論文の概要: Estimating the coverage in 3d reconstructions of the colon from
colonoscopy videos
- arxiv url: http://arxiv.org/abs/2210.10459v1
- Date: Wed, 19 Oct 2022 10:53:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 12:41:59.535501
- Title: Estimating the coverage in 3d reconstructions of the colon from
colonoscopy videos
- Title(参考訳): 大腸内視鏡ビデオによる大腸3次元再建の被覆率の推定
- Authors: Emmanuelle Muhlethaler and Erez Posner and Moshe Bouhnik
- Abstract要約: 手術中の大腸の視覚的被覆が不十分な場合、しばしばポリープが欠落する。
この問題を軽減するため, 欠損領域を可視化するために, 大腸の3次元面を再構築する手法が提案されている。
再建された大腸点雲からカバー範囲を推定する新しい手法を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Colonoscopy is the most common procedure for early detection and removal of
polyps, a critical component of colorectal cancer prevention. Insufficient
visual coverage of the colon surface during the procedure often results in
missed polyps. To mitigate this issue, reconstructing the 3D surfaces of the
colon in order to visualize the missing regions has been proposed. However,
robustly estimating the local and global coverage from such a reconstruction
has not been thoroughly investigated until now. In this work, we present a new
method to estimate the coverage from a reconstructed colon pointcloud. Our
method splits a reconstructed colon into segments and estimates the coverage of
each segment by estimating the area of the missing surfaces. We achieve a mean
absolute coverage error of 3-6\% on colon segments generated from synthetic
colonoscopy data and real colonography CT scans. In addition, we show good
qualitative results on colon segments reconstructed from real colonoscopy
videos.
- Abstract(参考訳): 大腸内視鏡は大腸がん予防の重要成分であるポリープの早期発見と除去の最も一般的な方法である。
術中は大腸表面の視野が不十分でポリープが欠如することが多い。
この問題を軽減するため,欠損領域を可視化するため,大腸の3次元面の再構築が提案されている。
しかし,このような復元から地域的およびグローバル的カバレッジを堅牢に推定する手法は,現在まで徹底的に検討されていない。
そこで本研究では,再建した大腸ポインタークラウドからカバー範囲を推定する新しい手法を提案する。
本手法では,再建した大腸をセグメントに分割し,欠損面の面積を推定して各セグメントの面積を推定する。
合成大腸内視鏡データと実際の大腸ctスキャンから生成された大腸セグメントの平均絶対被覆誤差は3-6\%であった。
また,実際の大腸内視鏡映像から再構成した大腸セグメントの質的評価も良好であった。
関連論文リスト
- COLON: The largest COlonoscopy LONg sequence public database [0.0]
この疾患の主要なバイオマーカーであるポリープは、大腸内視鏡検査により検出され、局在し、特徴付けられる。
現在、一般に公開されているポリプデータセットは、非パラメトリックなポリプ形状を特徴づけるための計算戦略の大幅な進歩を可能にしている。
この研究は、約3万個のポリプラベル付きフレームと4万個の背景フレームを持つ、最大のコロノスコープLONgシーケンスデータセットであるCOLONを紹介した。
論文 参考訳(メタデータ) (2024-03-01T16:50:16Z) - Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。
代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。
不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
論文 参考訳(メタデータ) (2024-01-31T21:05:34Z) - DreaMo: Articulated 3D Reconstruction From A Single Casual Video [59.87221439498147]
対象者の視界が不完全である単一かつカジュアルに捉えたインターネットビデオから3次元形状の連続的再構成について検討した。
DreaMoは、ノベルビューレンダリング、詳細な形状復元、骨格生成において有望な品質を示している。
論文 参考訳(メタデータ) (2023-12-05T09:47:37Z) - ColonNeRF: Neural Radiance Fields for High-Fidelity Long-Sequence
Colonoscopy Reconstruction [22.11894664846505]
我々は,ニューラルレンダリングを応用したニューラルレイディアンスフィールド(NeRF)に基づく新しい再構成フレームワークCroneNeRFを紹介した。
特に,大腸全体を断片的に再構築するために,我々のColonNeRFでは,領域分割と統合モジュールを導入している。
スパースビューからの課題を克服するため、セマンティック一貫性の指導の下で、カメラポーズをデシファイトするためのDensiNetモジュールを考案した。
論文 参考訳(メタデータ) (2023-12-04T16:38:16Z) - Colonoscopy Coverage Revisited: Identifying Scanning Gaps in Real-Time [0.0]
大腸内視鏡は大腸がんを予防するために最も広く用いられる医療技術であり、悪性になる前にポリープを検出して除去する。
最近の研究では、既存のポリープの約4分の1が日常的に欠落していることが示されている。
そのうちのいくつかは内科医の視界に現れるが、結腸の部分的な被覆のために欠落するものもある。
論文 参考訳(メタデータ) (2023-05-17T08:12:56Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳(メタデータ) (2022-07-07T04:24:17Z) - C$^3$Fusion: Consistent Contrastive Colon Fusion, Towards Deep SLAM in
Colonoscopy [0.0]
光内視鏡(OC)による3D大腸再建による非検査面の検出は未解決の問題である。
近年の手法では,(1)フレーム・ツー・フレーム(あるいはフレーム・ツー・モデル)の予測が多くのトラッキング障害を引き起こし,(2)スキャン品質を犠牲にしてポイントベース表現に頼っている。
本稿では,これらの課題を終末まで解決し,定量的かつ定性的かつ堅牢な3次元大腸再建を実現するための新しい再構築フレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-04T10:38:19Z) - Colonoscopy Polyp Detection: Domain Adaptation From Medical Report
Images to Real-time Videos [76.37907640271806]
大腸内視鏡画像と実時間映像の領域間ギャップに対処する画像-ビデオ結合型ポリープ検出ネットワーク(Ivy-Net)を提案する。
収集したデータセットの実験は、Ivy-Netが大腸内視鏡ビデオで最先端の結果を達成することを示した。
論文 参考訳(メタデータ) (2020-12-31T10:33:09Z) - Deep Negative Volume Segmentation [60.44793799306154]
対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。
我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。
顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
論文 参考訳(メタデータ) (2020-06-22T16:55:23Z) - PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。
並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
論文 参考訳(メタデータ) (2020-06-13T08:13:43Z) - Detecting Deficient Coverage in Colonoscopies [24.21649198309876]
大腸内視鏡は大腸癌を予防するためのツールである。
しかし内視鏡検査は、内科医が通常22-28%のポリープを欠いているという事実によって妨げられている。
本稿では,C2D2 (Colonoscopy Coverage Deficiency via Depth)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-01-23T15:12:33Z)
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。