論文の概要: Segmenting Medical Instruments in Minimally Invasive Surgeries using AttentionMask

• arxiv url: http://arxiv.org/abs/2203.11358v1
• Date: Mon, 21 Mar 2022 21:37:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 11:04:06.563001
• Title: Segmenting Medical Instruments in Minimally Invasive Surgeries using AttentionMask
• Title（参考訳）: AttentionMask を用いた最小侵襲サージェリーにおける医療機器のセグメンテーション
• Authors: Christian Wilms, Alexander Michael Gerlach, R\"udiger Schmitz, Simone Frintrop
• Abstract要約: 我々は,オブジェクト提案生成システムであるAttentionMaskに適応し,将来的な提案を選択するための専用の後処理を提案する。 ROBUST-MIS Challenge 2019の結果から,適応型 AttentionMask システムは最先端のパフォーマンスを実現するための強力な基盤であることがわかった。
• 参考スコア（独自算出の注目度）: 66.63753229115983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precisely locating and segmenting medical instruments in images of minimally invasive surgeries, medical instrument segmentation, is an essential first step for several tasks in medical image processing. However, image degradations, small instruments, and the generalization between different surgery types make medical instrument segmentation challenging. To cope with these challenges, we adapt the object proposal generation system AttentionMask and propose a dedicated post-processing to select promising proposals. The results on the ROBUST-MIS Challenge 2019 show that our adapted AttentionMask system is a strong foundation for generating state-of-the-art performance. Our evaluation in an object proposal generation framework shows that our adapted AttentionMask system is robust to image degradations, generalizes well to unseen types of surgeries, and copes well with small instruments.
• Abstract（参考訳）: 医療機器セグメンテーション(medical instrument segmentation, 医療機器セグメンテーション)は、医療画像処理におけるいくつかの課題において重要な第一歩である。 しかし, 画像劣化, 小型楽器, 各種手術種間の一般化は, 医療機器のセグメンテーションを困難にしている。 これらの課題に対処するために,オブジェクト提案生成システム attentionmask を適応させ,有望な提案を選択するための専用のポストプロセッシングを提案する。 ROBUST-MIS Challenge 2019の結果から,我々の適応型 AttentionMask システムは最先端のパフォーマンスを実現するための強力な基盤であることがわかった。 提案手法を用いた提案手法の評価から,アテンションマスクシステムは画像劣化に対して頑健であり,目に見えない種類の手術によく一般化し,小型機器にうまく対応できることを示した。

関連論文リスト

• Amodal Segmentation for Laparoscopic Surgery Video Instruments [30.39518393494816]
  医療分野における手術器具の領域にAmodalVisを導入する。 このテクニックは、オブジェクトの可視部と隠蔽部の両方を識別する。 これを実現するために,新しいAmoal Instrumentsデータセットを導入する。
  論文  参考訳（メタデータ） (2024-08-02T07:40:34Z)
• Advancing Medical Image Segmentation with Mini-Net: A Lightweight Solution Tailored for Efficient Segmentation of Medical Images [18.48562660373185]
  Mini-Netは医療画像用に設計された軽量セグメンテーションネットワークである。 パラメータが38,000未満のMini-Netは、高周波数と低周波数の両方を効率的にキャプチャする。 DRIVE, STARE, ISIC-2016, ISIC-2018, MoNuSegなど,様々なデータセット上でMini-Netを評価する。
  論文  参考訳（メタデータ） (2024-05-27T11:41:48Z)
• SEGSRNet for Stereo-Endoscopic Image Super-Resolution and Surgical Instrument Segmentation [0.5461938536945723]
  SEGSRNetは、低解像度の立体内視鏡画像において、手術器具を正確に識別する課題に対処する。 我々の革新的なフレームワークは、セグメント化の前に最先端の超解像技術を適用することにより、画像の明瞭度とセグメンテーション精度を向上させる。
  論文  参考訳（メタデータ） (2024-04-20T09:27:05Z)
• AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
  自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。 しかし,このような手法を医用画像に直接適用することは依然として困難である。 適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T13:18:10Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Text Promptable Surgical Instrument Segmentation with Vision-Language Models [16.203166812021045]
  そこで本研究では,手術器具の多様性と分化に関わる課題を克服するために,新たなテキストプロンプト可能な手術器具セグメンテーション手法を提案する。 我々は、事前訓練された画像とテキストエンコーダをモデルバックボーンとして利用し、テキストプロンプト可能なマスクデコーダを設計する。 いくつかの手術器具セグメンテーションデータセットの実験は、我々のモデルの優れた性能と有望な一般化能力を示す。
  論文  参考訳（メタデータ） (2023-06-15T16:26:20Z)
• 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)
• Multimodal Semantic Scene Graphs for Holistic Modeling of Surgical Procedures [70.69948035469467]
  カメラビューから3Dグラフを生成するための最新のコンピュータビジョン手法を利用する。 次に,手術手順の象徴的,意味的表現を統一することを目的としたマルチモーダルセマンティックグラフシーン(MSSG)を紹介する。
  論文  参考訳（メタデータ） (2021-06-09T14:35:44Z)
• Contrastive Registration for Unsupervised Medical Image Segmentation [1.5125686694430571]
  非教師型医用画像分割のための新しいコントラスト型登録アーキテクチャを提案する。 まず、教師なしの医用画像セグメントの登録により、画像から画像への変換パターンをキャプチャするアーキテクチャを提案する。 第2に,特徴レベルのネットワークの識別能力を高めるために,コントラスト学習機構を登録アーキテクチャに組み込む。
  論文  参考訳（メタデータ） (2020-11-17T19:29:08Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。