論文の概要: Learning Feature Descriptors for Pre- and Intra-operative Point Cloud
Matching for Laparoscopic Liver Registration
- arxiv url: http://arxiv.org/abs/2211.03688v1
- Date: Mon, 7 Nov 2022 16:58:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 17:37:49.075319
- Title: Learning Feature Descriptors for Pre- and Intra-operative Point Cloud
Matching for Laparoscopic Liver Registration
- Title（参考訳）: 腹腔鏡下肝登録のための術前および術中クラウドマッチングのための特徴記述子
- Authors: Zixin Yang, Richard Simon, Cristian A.Linte
- Abstract要約: 腹腔鏡下肝手術(LLS)では,3D術前モデルを腹腔鏡下画像から再構成した術中部分面に登録することにより,術前情報を術中シーンにオーバーレイすることができる。
この課題を支援するために,我々は,腹腔鏡下肝登録における学習型特徴記述子の使用について検討した。
手術前モデル16と術中3D表面を模擬したLiverMatchデータセットについて述べる。
このタスク用に設計されたLiverMatchネットワークも提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: In laparoscopic liver surgery (LLS), pre-operative information can
be overlaid onto the intra-operative scene by registering a 3D pre-operative
model to the intra-operative partial surface reconstructed from the
laparoscopic video. To assist with this task, we explore the use of
learning-based feature descriptors, which, to our best knowledge, have not been
explored for use in laparoscopic liver registration. Furthermore, a dataset to
train and evaluate the use of learning-based descriptors does not exist.
Methods: We present the LiverMatch dataset consisting of 16 preoperative
models and their simulated intra-operative 3D surfaces. We also propose the
LiverMatch network designed for this task, which outputs per-point feature
descriptors, visibility scores, and matched points.
Results: We compare the proposed LiverMatch network with anetwork closest to
LiverMatch, and a histogram-based 3D descriptor on the testing split of the
LiverMatch dataset, which includes two unseen pre-operative models and 1400
intra-operative surfaces. Results suggest that our LiverMatch network can
predict more accurate and dense matches than the other two methods and can be
seamlessly integrated with a RANSAC-ICP-based registration algorithm to achieve
an accurate initial alignment.
Conclusion: The use of learning-based feature descriptors in LLR is
promising, as it can help achieve an accurate initial rigid alignment, which,
in turn, serves as an initialization for subsequent non-rigid registration. We
will release the dataset and code upon acceptance.
- Abstract（参考訳）: 目的: 腹腔鏡下肝手術(LLS)では, 3D術前モデルを腹腔鏡下画像から再構成した術中部分面に登録することにより, 術前情報を手術現場にオーバーレイすることができる。
この課題を補助するため,我々は,腹腔鏡下肝登録では使用できない学習に基づく特徴記述子の使用について検討した。
さらに、学習ベースの記述子の使用を訓練し評価するデータセットは存在しない。
方法: 術前モデル16と術中3次元表面を模擬したLiverMatchデータセットを提案する。
また,ポイント毎の機能記述子,可視性スコア,マッチングポイントを出力する,このタスク用に設計されたリバマッチネットワークを提案する。
結果: 提案したLiverMatchネットワークと,LiverMatchに最も近いネットワークと,LiverMatchデータセットのテスト分割に関するヒストグラムベースの3D記述子を比較した。
その結果,我々のリバマッチネットワークは,他の2つの手法よりも精度の高い一致を予測でき,正確な初期アライメントを実現するために,ransac-icpベースの登録アルゴリズムとシームレスに統合できることが示唆された。
結論:LLRにおける学習ベースの特徴記述子の使用は、正確な初期剛性アライメントを達成するのに役立ち、その後の非厳密な登録の初期化に役立ちます。
受け入れ次第、データセットとコードをリリースします。
関連論文リスト
- KDD-LOAM: Jointly Learned Keypoint Detector and Descriptors Assisted
LiDAR Odometry and Mapping [9.609585217048664]
確率的検出損失を有するマルチタスク完全畳み込みネットワークに基づく密結合型キーポイント検出器とディスクリプタを提案する。
屋内および屋外の両方のデータセットで実験したところ、TCKDDはポイントクラウドの登録において最先端のパフォーマンスを達成することがわかった。
また、キーポイント検出器とディスクリプタ支援LiDAR odometry and Mapping framework (KDD-LOAM) を設計し、その実時間オドメトリはキーポイント記述子マッチングに基づくRANSACに依存している。
論文 参考訳（メタデータ） (2023-09-27T04:10:52Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Hierarchical Semi-Supervised Learning Framework for Surgical Gesture
Segmentation and Recognition Based on Multi-Modality Data [2.8770761243361593]
多モードデータを用いた外科的ジェスチャー分割のための階層型半教師付き学習フレームワークを開発した。
トレーニング済みのResNet-18'バックボーンを備えたTransformerベースのネットワークを使用して,手術ビデオから視覚的特徴を抽出する。
提案手法は、Suturing, Needle Passing, Knot Tyingタスクを含む、公開されているJIGSデータベースのデータを用いて評価されている。
論文 参考訳（メタデータ） (2023-07-31T21:17:59Z) - Meta-Learning Initializations for Interactive Medical Image Registration [0.18750851274087482]
本稿では,臨床応用のための登録,インタラクション,メタラーニングプロトコルを実装した特定のアルゴリズムについて述べる。
少量のサンプルデータを非インタラクティブな方法に適用すると、より高い登録誤差(6.26mm)が得られ、対話型MR-TRUS登録の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T12:30:53Z) - LapSeg3D: Weakly Supervised Semantic Segmentation of Point Clouds
Representing Laparoscopic Scenes [1.7941882788670036]
手術シーンを表す点雲のvoxel-wiseアノテーションのための新しいアプローチであるLapSeg3Dを提案する。
トレーニングデータの手動アノテーションは非常に時間がかかり、胆嚢のアノテーションのための半自律クラスタリングベースのパイプラインを導入する。
異なるRGB-Dカメラシステムで記録された様々な胆嚢およびデータセットを正確に一般化するLapSeg3Dを示す。
論文 参考訳（メタデータ） (2022-07-15T11:57:14Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - REGTR: End-to-end Point Cloud Correspondences with Transformers [79.52112840465558]
我々は、注意機構が明示的な特徴マッチングとRANSACの役割を置き換えることができると推測する。
本稿では,最終文集合を直接予測するエンドツーエンドフレームワークを提案する。
提案手法は3DMatchおよびModelNetベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2022-03-28T06:01:00Z) - Few-shot image segmentation for cross-institution male pelvic organs
using registration-assisted prototypical learning [13.567073992605797]
本研究は,医用画像のための最初の3D画像間セグメンテーションネットワークを提案する。
興味のある8つの領域を持つ前立腺がん患者のラベル付き多施設データセットを使用する。
内蔵登録機構は、被験者間の一貫性のある解剖学の事前知識を効果的に活用することができる。
論文 参考訳（メタデータ） (2022-01-17T11:44:10Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。
学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2021-08-05T17:11:08Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳（メタデータ） (2020-06-25T21:10:04Z)
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。