論文の概要: MITI: SLAM Benchmark for Laparoscopic Surgery

• arxiv url: http://arxiv.org/abs/2202.11496v1
• Date: Wed, 23 Feb 2022 13:23:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-24 20:18:25.348714
• Title: MITI: SLAM Benchmark for Laparoscopic Surgery
• Title（参考訳）: MITI:腹腔鏡下手術におけるSLAMベンチマーク
• Authors: Regine Hartwig, Daniel Ostler, Jean-Claude Rosenthal, Hubertus Feu{\ss}ner, Dirk Wilhelm, Dirk Wollherr
• Abstract要約: 立体視画像慣性コンピュータビジョンアルゴリズム(SLAM/SfM/3D再構成/ビジュアル慣性オドメトリー)の評価のための新しいベンチマークを提案する。 我々のMITIデータセットは、TUMのResearch Hospital Rechts der Isarでハンドヘルド外科手術の完全な記録によって、必要なすべてのデータを提供します。
• 参考スコア（独自算出の注目度）: 5.602880243609329
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a new benchmark for evaluating stereoscopic visual-inertial computer vision algorithms (SLAM/ SfM/ 3D Reconstruction/ Visual-Inertial Odometry) for minimally invasive surgical (MIS) interventions in the abdomen. Our MITI Dataset available at [https://mediatum.ub.tum.de/1621941] provides all the necessary data by a complete recording of a handheld surgical intervention at Research Hospital Rechts der Isar of TUM. It contains multimodal sensor information from IMU, stereoscopic video, and infrared (IR) tracking as ground truth for evaluation. Furthermore, calibration for the stereoscope, accelerometer, magnetometer, the rigid transformations in the sensor setup, and time-offsets are available. We wisely chose a suitable intervention that contains very few cutting and tissue deformation and shows a full scan of the abdomen with a handheld camera such that it is ideal for testing SLAM algorithms. Intending to promote the progress of visual-inertial algorithms designed for MIS application, we hope that our clinical training dataset helps and enables researchers to enhance algorithms.
• Abstract（参考訳）: 腹部へのmis(minimally invasive surgery)介入のための立体視慣性コンピュータビジョンアルゴリズム(slam/sfm/3dリコンストラクション/視覚慣性オドメトリ)を評価するための新しいベンチマークを提案する。 我々のMITIデータセットは[https://mediatum.ub.tum.de/1621941]で利用可能であり、TUMのResearch Hospital Rechts der Isarでハンドヘルド手術の完全な記録によって必要なすべてのデータを提供する。 IMUからのマルチモーダルセンサ情報、ステレオビデオ、赤外線トラッキングを基礎的真理として含んでいる。 さらに、ステレオスコープ、加速度計、磁力計、センサ設定の剛性変換、タイムオフセットのキャリブレーションも利用可能である。 切削や組織変形をほとんど含まない適切な介入を賢明に選択し,slamアルゴリズムのテストに最適であるようにハンドヘルドカメラで腹部をフルスキャンした。 MISアプリケーション用に設計されたビジュアル慣性アルゴリズムの進歩を促進するため、我々の臨床研修データセットが、研究者のアルゴリズム強化に役立つことを期待する。

関連論文リスト

• Adaptive Compressed Sensing with Diffusion-Based Posterior Sampling [34.50287066865267]
  圧縮センシング(CS)は、高忠実度再構成に十分な測定値の小さなサブセットを選択することにより、高速な画像取得を容易にする。 アダプティブCSは、既に取得したデータから得られる情報に基づいて、将来の計測を動的に選択することで、このプロセスをさらに強化しようとしている。 AdaSenseは、ゼロショット後部サンプリングと事前学習拡散モデルを利用する新しい適応CSアプローチである。
  論文  参考訳（メタデータ） (2024-07-11T07:56:17Z)
• EndoGSLAM: Real-Time Dense Reconstruction and Tracking in Endoscopic Surgeries using Gaussian Splatting [53.38166294158047]
  EndoGSLAMは鏡視下手術の効率的なアプローチであり、合理化表現と微分ガウス化を統合している。 実験の結果,EndoGSLAMは従来型あるいは神経型SLAMアプローチよりも術中可用性と再建品質のトレードオフが良好であることがわかった。
  論文  参考訳（メタデータ） (2024-03-22T11:27:43Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• FLex: Joint Pose and Dynamic Radiance Fields Optimization for Stereo Endoscopic Videos [79.50191812646125]
  内視鏡的シーンの再構築は、外科手術後の分析から教育訓練まで、様々な医療応用にとって重要な要素である。 変形組織の非常にダイナミックな環境下での移動内視鏡の挑戦的なセットアップに着目する。 複数重重なり合う4次元ニューラルラジアンスフィールド(NeRF)への暗黙的なシーン分離と、再構成とカメラのスクラッチからのポーズを協調的に最適化するプログレッシブ最適化手法を提案する。 これにより、使いやすさが向上し、5000フレーム以上の手術ビデオの処理に間に合うように復元能力を拡張できる。
  論文  参考訳（メタデータ） (2024-03-18T19:13:02Z)
• Monocular Microscope to CT Registration using Pose Estimation of the Incus for Augmented Reality Cochlear Implant Surgery [3.8909273404657556]
  本研究では, 外部追跡装置を必要とせず, 2次元から3次元の観察顕微鏡映像を直接CTスキャンに登録する手法を開発した。 その結果, x, y, z軸の平均回転誤差は25度未満, 翻訳誤差は2mm, 3mm, 0.55%であった。
  論文  参考訳（メタデータ） (2024-03-12T00:26:08Z)
• 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)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• A Temporal Learning Approach to Inpainting Endoscopic Specularities and Its effect on Image Correspondence [13.25903945009516]
  本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。 これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。 また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2022-03-31T13:14:00Z)
• SERV-CT: A disparity dataset from CT for validation of endoscopic 3D reconstruction [8.448866668577946]
  CT(SERV-CT)に基づく立体内視鏡再構成検証データセットを提案する。 SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな参照格差と深さを持つ外科的アプリケーションのための使いやすい立体的検証を提供します。
  論文  参考訳（メタデータ） (2020-12-22T01:28:30Z)
• Joint Scene and Object Tracking for Cost-Effective Augmented Reality Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
  放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。 本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-05T10:20:46Z)
• Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
  ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。 我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-07-08T21:38:29Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。