論文の概要: EndoMapper dataset of complete calibrated endoscopy procedures
- arxiv url: http://arxiv.org/abs/2204.14240v1
- Date: Fri, 29 Apr 2022 17:10:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-02 14:37:45.711537
- Title: EndoMapper dataset of complete calibrated endoscopy procedures
- Title（参考訳）: 完全校正内視鏡のEndoMapperデータセット
- Authors: Pablo Azagra, Carlos Sostres, \'Angel Ferrandez, Luis Riazuelo, Clara
Tomasini, Oscar Le\'on Barbed, Javier Morlana, David Recasens, Victor M.
Batlle, Juan J. G\'omez-Rodr\'iguez, Richard Elvira, Julia L\'opez, Cristina
Oriol, Javier Civera, Juan D. Tard\'os, Ana Cristina Murillo, Angel Lanas and
Jos\'e M.M. Montiel
- Abstract要約: 本報告では,通常の診療で取得した内視鏡の完全配列の最初のコレクションであるEndomapperデータセットについて紹介する。
データは3Dマッピングとローカライゼーションシステムの構築に使用され、探索中に盲点を検出するなど、特別なタスクを実行できる。
- 参考スコア（独自算出の注目度）: 8.577980383972005
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-assisted systems are becoming broadly used in medicine. In
endoscopy, most research focuses on automatic detection of polyps or other
pathologies, but localization and navigation of the endoscope is completely
performed manually by physicians. To broaden this research and bring spatial
Artificial Intelligence to endoscopies, data from complete procedures are
needed. This data will be used to build a 3D mapping and localization systems
that can perform special task like, for example, detect blind zones during
exploration, provide automatic polyp measurements, guide doctors to a polyp
found in a previous exploration and retrieve previous images of the same area
aligning them for easy comparison. These systems will provide an improvement in
the quality and precision of the procedures while lowering the burden on the
physicians. This paper introduces the Endomapper dataset, the first collection
of complete endoscopy sequences acquired during regular medical practice,
including slow and careful screening explorations, making secondary use of
medical data. Its original purpose is to facilitate the development and
evaluation of VSLAM (Visual Simultaneous Localization and Mapping) methods in
real endoscopy data. The first release of the dataset is composed of 59
sequences with more than 15 hours of video. It is also the first endoscopic
dataset that includes both the computed geometric and photometric endoscope
calibration with the original calibration videos. Meta-data and annotations
associated to the dataset varies from anatomical landmark and description of
the procedure labeling, tools segmentation masks, COLMAP 3D reconstructions,
simulated sequences with groundtruth and meta-data related to special cases,
such as sequences from the same patient. This information will improve the
research in endoscopic VSLAM, as well as other research lines, and create new
research lines.
- Abstract（参考訳）: コンピュータ支援システムは医学で広く使われている。
内視鏡検査では,ポリープなどの病態の自動検出に焦点が当てられているが,内視鏡の局所化とナビゲーションは医師が手動で行う。
この研究を拡大し、空間人工知能を内科にもたらすためには、完全な手順からのデータが必要である。
このデータは、3Dマッピングとローカライゼーションシステムの構築に利用され、例えば、探索中の盲点検出、自動ポリープ測定、前回の探索で見つかったポリープへの医師の誘導、そしてそれらを比較しやすいように整列した同じ領域の以前の画像の検索などを行うことができる。
これらのシステムは、医師の負担を軽減しつつ、手順の質と精度を改善します。
本報告では, 経時的, 注意深い検診, 医用データの二次的利用を含む, 定期的な医療実践中に得られた内視鏡的完全配列の最初のコレクションであるEndomapperデータセットを紹介する。
元々の目的は、実内視鏡データにおけるvslam(visual concurrent localization and mapping)法の開発と評価を容易にすることである。
データセットの最初のリリースは15時間以上のビデオを含む59のシーケンスで構成されている。
これはまた、計算された幾何学的および測光的内視鏡の校正と元の校正ビデオの両方を含む最初の内視鏡的データセットである。
データセットに関連するメタデータとアノテーションは、解剖学的ランドマークやプロシージャラベリングの記述、ツールセグメンテーションマスク、colmap 3dリコンストラクション、同一患者からのシーケンスのような特別なケースに関連する基底とメタデータによるシミュレーションシーケンスなどによって異なる。
この情報は、内視鏡的vslamおよび他の研究ラインにおける研究を改善し、新しい研究ラインを作成する。
関連論文リスト
- Frontiers in Intelligent Colonoscopy [96.57251132744446]
本研究は, インテリジェント大腸内視鏡技術のフロンティアと, マルチモーダル医療への応用の可能性について検討する。
大腸内視鏡的シーン知覚のための4つのタスクを通して,現在のデータ中心およびモデル中心のランドスケープを評価した。
今後のマルチモーダル時代を受け入れるために,大規模マルチモーダル・インストラクション・チューニング・データセットColoninST,大腸内視鏡で設計されたマルチモーダル言語モデルColonGPT,マルチモーダル・ベンチマークの3つの基本イニシアティブを構築した。
論文 参考訳（メタデータ） (2024-10-22T17:57:12Z) - 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) - REAL-Colon: A dataset for developing real-world AI applications in
colonoscopy [1.8590283101866463]
本稿では,REAL-Colon(Real-world Multi-center Endoscopy Annotated Video Library)データセットを紹介する。
これは60のフル解像度の実際の大腸内視鏡記録から、2.7Mのネイティブビデオフレームで構成されている。
データセットには350kのバウンディングボックスアノテーションが含まれており、それぞれが専門の消化器科医の監督の下で作成されている。
論文 参考訳（メタデータ） (2024-03-04T16:11:41Z) - 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) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳（メタデータ） (2023-09-03T07:55:46Z) - Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。
提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文 参考訳（メタデータ） (2022-09-28T10:27:10Z) - Unsupervised pre-training of graph transformers on patient population
graphs [48.02011627390706]
異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。
自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
論文 参考訳（メタデータ） (2022-07-21T16:59:09Z) - 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) - NanoNet: Real-Time Polyp Segmentation in Video Capsule Endoscopy and
Colonoscopy [0.6125117548653111]
ビデオカプセル内視鏡と大腸内視鏡画像の分割のための新しいアーキテクチャであるNanoNetを提案する。
提案アーキテクチャはリアルタイム性能を実現し,他の複雑なアーキテクチャに比べて高いセグメンテーション精度を有する。
論文 参考訳（メタデータ） (2021-04-22T15:40:28Z) - EndoSLAM Dataset and An Unsupervised Monocular Visual Odometry and Depth
Estimation Approach for Endoscopic Videos: Endo-SfMLearner [10.341552258136572]
ブタの臓器の3次元点クラウドデータからなる包括的内視鏡的SLAMデータセットを提案する。
深度とポーズアノテーションを兼ね備えた合成カプセル内視鏡フレームは、シミュレーションから現実の移動学習アルゴリズムの研究を容易にするために組み込まれている。
教師なし単眼深度とポーズ推定法であるEndo-SfMLearnerを提案する。
論文 参考訳（メタデータ） (2020-06-30T10:43:27Z) - Heidelberg Colorectal Data Set for Surgical Data Science in the Sensor
Operating Room [1.6276355161958829]
本稿では,Heidelberg Colorectal (HeiCo) データセットについて紹介する。
3種類の腹腔鏡下手術のために,手術室の医療機器から採取した30種類の腹腔鏡ビデオとそれに対応するセンサーデータからなる。
論文 参考訳（メタデータ） (2020-05-07T14:04:29Z)
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。