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
- 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) - X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
本稿では,極端視点に頑健な完全自動登録手法を提案する。
これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。
提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
論文 参考訳(メタデータ) (2023-11-25T17:48:46Z) - 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) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳(メタデータ) (2023-09-19T15:14:42Z) - Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose
Estimation of Surgical Instruments [66.74633676595889]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳(メタデータ) (2023-05-05T13:42:19Z) - 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) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳(メタデータ) (2021-05-18T10:15:17Z) - 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。