Fugu-MT 論文翻訳(概要): Depth estimation of endoscopy using sim-to-real transfer

論文の概要: Depth estimation of endoscopy using sim-to-real transfer

arxiv url: http://arxiv.org/abs/2112.13595v1
Date: Mon, 27 Dec 2021 10:05:01 GMT
ステータス: 処理完了
システム内更新日: 2021-12-28 17:40:15.455144
Title: Depth estimation of endoscopy using sim-to-real transfer
Title（参考訳）: sim-to-real転送を用いた内視鏡の深さ推定
Authors: Bong Hyuk Jeong, Hang Keun Kim, and Young Don Son
Abstract要約: 本稿では,内視鏡シミュレーションにより深度像と内視鏡像の基底真実を生成する。生成されたデータセットをトレーニングすることにより,定量的な内視鏡深度推定ネットワークを提案する。
参考スコア（独自算出の注目度）: 1.5293427903448025
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In order to use the navigation system effectively, distance information sensors such as depth sensors are essential. Since depth sensors are difficult to use in endoscopy, many groups propose a method using convolutional neural networks. In this paper, the ground truth of the depth image and the endoscopy image is generated through endoscopy simulation using the colon model segmented by CT colonography. Photo-realistic simulation images can be created using a sim-to-real approach using cycleGAN for endoscopy images. By training the generated dataset, we propose a quantitative endoscopy depth estimation network. The proposed method represents a better-evaluated score than the existing unsupervised training-based results.
Abstract（参考訳）: ナビゲーションシステムを効果的に利用するためには,深度センサなどの距離情報センサが不可欠である。深度センサは内視鏡での使用が困難であるため,多くのグループが畳み込みニューラルネットワークを用いた手法を提案する。本稿では,ct大腸造影法で分割した大腸モデルを用いて内視鏡シミュレーションを行い,深度像と内視鏡像の基底的真理を明らかにした。光実写シミュレーション画像は、内視鏡画像にCycleGANを用いたシミュレートリアルアプローチを用いて作成することができる。生成されたデータセットをトレーニングすることにより,定量的な内視鏡深度推定ネットワークを提案する。提案手法は,既存の教師なし学習結果よりも優れた評価スコアを示す。

関連論文リスト

ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文参考訳（メタデータ） (2024-07-23T14:24:26Z)
AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文参考訳（メタデータ） (2023-09-25T19:34:12Z)
Synthetic optical coherence tomography angiographs for detailed retinal vessel segmentation without human annotations [12.571349114534597]
本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
論文参考訳（メタデータ） (2023-06-19T14:01:47Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文参考訳（メタデータ） (2022-06-17T08:11:26Z)
Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-10-27T18:54:25Z)
Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文参考訳（メタデータ） (2021-09-24T08:11:34Z)
Homography augumented momentum constrastive learning for SAR image retrieval [3.9743795764085545]
本稿では, ホログラフィ変換を用いた画像検索手法を提案する。また,ラベル付け手順を必要としないコントラスト学習によって誘導されるDNNのトレーニング手法を提案する。
論文参考訳（メタデータ） (2021-09-21T17:27:07Z)
Blood vessel segmentation in en-face OCTA images: a frequency based method [3.6055028453181013]
本稿では,画像の周波数表現に基づく血管識別手法を提案する。このアルゴリズムは、Cirrus HD-OCTデバイスによって取得された10ドルの眼から得られるOCTA画像データセットに基づいて評価される。
論文参考訳（メタデータ） (2021-09-13T16:42:58Z)
Self-Supervised Generative Adversarial Network for Depth Estimation in Laparoscopic Images [13.996932179049978]
本稿では,ジェネレーティブ・ディバイサル・ネットワークに基づく自己教師型深度推定手法であるSADepthを提案する。エンコーダデコーダジェネレータと、トレーニング中に幾何学的制約を組み込む識別器で構成される。 2つの公開データセットの実験により、SADepthは最新の最先端の教師なし手法よりも大きなマージンで優れていることが示された。
論文参考訳（メタデータ） (2021-07-09T19:40:20Z)
A Lumen Segmentation Method in Ureteroscopy Images based on a Deep Residual U-Net architecture [11.457020223521605]
U-Netに基づくアーキテクチャにおける残余単位の利点を利用したディープニューラルネットワークの実装について検討する。その結果, 灰色スケール画像のトレーニングは, それぞれ0.73, 0.58, 0.92のサイコロスコア, 精度, およびリコールの平均値が得られた。
論文参考訳（メタデータ） (2021-01-13T11:41:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。