論文の概要: SurgT challenge: Benchmark of Soft-Tissue Trackers for Robotic Surgery

• arxiv url: http://arxiv.org/abs/2302.03022v3
• Date: Wed, 30 Aug 2023 20:36:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-01 20:59:10.672024
• Title: SurgT challenge: Benchmark of Soft-Tissue Trackers for Robotic Surgery
• Title（参考訳）: surgt challenge: ロボット手術用ソフトトイトラッカーのベンチマーク
• Authors: Joao Cartucho, Alistair Weld, Samyakh Tukra, Haozheng Xu, Hiroki Matsuzaki, Taiyo Ishikawa, Minjun Kwon, Yong Eun Jang, Kwang-Ju Kim, Gwang Lee, Bizhe Bai, Lueder Kahrs, Lars Boecking, Simeon Allmendinger, Leopold Muller, Yitong Zhang, Yueming Jin, Sophia Bano, Francisco Vasconcelos, Wolfgang Reiter, Jonas Hajek, Bruno Silva, Estevao Lima, Joao L. Vilaca, Sandro Queiros, Stamatia Giannarou
• Abstract要約: 本稿では,MICCAI 2022と共に編成されたSurgT: Surgery Trackingについて紹介する。 参加者は軟組織の動きを追跡するアルゴリズムを開発するタスクを割り当てられた。 課題の最後に、開発したメソッドは以前に隠されたテストサブセットに基づいて評価された。
• 参考スコア（独自算出の注目度）: 10.895748170187638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces the ``SurgT: Surgical Tracking" challenge which was organised in conjunction with MICCAI 2022. There were two purposes for the creation of this challenge: (1) the establishment of the first standardised benchmark for the research community to assess soft-tissue trackers; and (2) to encourage the development of unsupervised deep learning methods, given the lack of annotated data in surgery. A dataset of 157 stereo endoscopic videos from 20 clinical cases, along with stereo camera calibration parameters, have been provided. Participants were assigned the task of developing algorithms to track the movement of soft tissues, represented by bounding boxes, in stereo endoscopic videos. At the end of the challenge, the developed methods were assessed on a previously hidden test subset. This assessment uses benchmarking metrics that were purposely developed for this challenge, to verify the efficacy of unsupervised deep learning algorithms in tracking soft-tissue. The metric used for ranking the methods was the Expected Average Overlap (EAO) score, which measures the average overlap between a tracker's and the ground truth bounding boxes. Coming first in the challenge was the deep learning submission by ICVS-2Ai with a superior EAO score of 0.617. This method employs ARFlow to estimate unsupervised dense optical flow from cropped images, using photometric and regularization losses. Second, Jmees with an EAO of 0.583, uses deep learning for surgical tool segmentation on top of a non-deep learning baseline method: CSRT. CSRT by itself scores a similar EAO of 0.563. The results from this challenge show that currently, non-deep learning methods are still competitive. The dataset and benchmarking tool created for this challenge have been made publicly available at https://surgt.grand-challenge.org/.
• Abstract（参考訳）: 本稿では,MICCAI 2022と共同で実施したSurgT: Surgery Trackingについて紹介する。 この課題の作成には,(1)ソフトトイトトラッカを評価するための研究コミュニティ初の標準化ベンチマークの確立,(2)手術中の注釈データがないことを踏まえ,教師なしの深層学習手法の開発を促進すること,の2つの目的があった。 ステレオカメラのキャリブレーションパラメータとともに,20症例のステレオ内視鏡ビデオ157例のデータセットが提供された。 参加者は、立体内視鏡ビデオにおいて、境界ボックスで表される軟組織の動きを追跡するアルゴリズムを開発するタスクを割り当てられた。 課題の最後には、以前に隠されていたテストサブセットで開発手法を評価した。 この評価は、ソフトトイト追跡における教師なしディープラーニングアルゴリズムの有効性を検証するために、この課題のために意図的に開発されたベンチマークメトリクスを使用している。 方法のランク付けに使用された指標は、平均オーバーラップ(eao)スコアで、トラッカーと基底真理バウンディングボックスの平均オーバーラップを測定する。 最初に挑戦したのはICVS-2Aiによるディープラーニングの提出で、EAOスコアは0.617だった。 この手法は、光度と正則化損失を用いて、収穫された画像から教師なしの高密度光フローを推定するためにARFlowを用いる。 第2に、0.583のEAOを持つJmeesは、深層学習ベースラインメソッドCSRTの上に、深層学習を用いて外科的ツールセグメンテーションを行う。 CSRT自体のEAOは0.563である。 この課題の結果は、現在、非ディープラーニング手法は依然として競争力があることを示している。 この課題のために作成されたデータセットとベンチマークツールはhttps://surgt.grand-challenge.org/で公開されている。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• EchoTracker: Advancing Myocardial Point Tracking in Echocardiography [0.6263680699548959]
  EchoTrackerは、超音波画像シーケンスを横切る組織表面のクエリポイントの追跡を容易にする、2倍の粗い粒度モデルである。 実験の結果、平均位置精度は67%、中央軌道誤差は2.86ピクセルである。 このことは、学習に基づく点追跡がパフォーマンスを向上し、臨床測定において高い診断と予後の値が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-05-14T13:24:51Z)
• The state-of-the-art 3D anisotropic intracranial hemorrhage segmentation on non-contrast head CT: The INSTANCE challenge [19.72232714668029]
  INSTANCE 2022は、2022年の医用画像コンピューティングとコンピュータ支援介入に関する国際会議(MICCAI)と共同で開催された大きな課題である。 以上の課題を解決し,脳内出血セグメンテーションと異方性データ処理の開発を促進することを目的としている。 勝者法は平均DSC0.6925を達成し,提案法よりも有意な成長を示した。
  論文  参考訳（メタデータ） (2023-01-09T11:48:05Z)
• Semi-Supervised Semantic Segmentation Methods for UW-OCTA Diabetic Retinopathy Grade Assessment [2.752817022620644]
  糖尿病患者は、健康な人よりも糖尿病網膜症(DR)を発症する可能性が高い。 UW-OCTA DR画像グレード評価のための新しい半教師付きセマンティックセマンティックセマンティックセマンティクス法を提案する。 MCS-DRNet アルゴリズムをインスペクタとして使用し,DR 評価アルゴリズムの予備評価の結果を確認し,修正する。
  論文  参考訳（メタデータ） (2022-12-27T13:40:44Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Rotation Invariance and Extensive Data Augmentation: a strategy for the Mitosis Domain Generalization (MIDOG) Challenge [1.52292571922932]
  我々は,MIDOG 2021コンペティションに参加するための戦略を提示する。 このコンペティションの目的は、目に見えないターゲットスキャナーで取得した画像に対する解の一般化を評価することである。 本稿では,最先端のディープラーニング手法の組み合わせに基づく解を提案する。
  論文  参考訳（メタデータ） (2021-09-02T10:09:02Z)
• Deep Dense and Convolutional Autoencoders for Unsupervised Anomaly Detection in Machine Condition Sounds [55.18259748448095]
  本報告では,DCASE 2020 チャレンジの第2タスクのために開発された2つの手法について述べる。 この課題には、異常音を検出する教師なしの学習が含まれており、トレーニングプロセス中に通常の機械作業条件サンプルのみが利用可能である。 この2つの手法は、メルスペクトグラム処理された音響特徴を用いた密集的および畳み込み的アーキテクチャに基づくディープオートエンコーダを含む。
  論文  参考訳（メタデータ） (2020-06-18T10:49:49Z)
• AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment Optical Coherence Tomography [61.405005501608706]
  アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。 前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。 既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。 私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
  論文  参考訳（メタデータ） (2020-05-05T14:55:01Z)
• 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。