論文の概要: Deep learning-based image exposure enhancement as a pre-processing for
an accurate 3D colon surface reconstruction
- arxiv url: http://arxiv.org/abs/2304.03171v2
- Date: Fri, 14 Apr 2023 23:40:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 20:18:15.479744
- Title: Deep learning-based image exposure enhancement as a pre-processing for
an accurate 3D colon surface reconstruction
- Title(参考訳): 正確な3次元大腸表面再構築のための前処理としての深層学習に基づく画像露光強調
- Authors: Ricardo Espinosa, Carlos Axel Garcia-Vega, Gilberto Ochoa-Ruiz,
Dominique Lamarque, Christian Daul
- Abstract要約: このコントリビューションは、画像前処理が深層学習に基づく大腸部分の3D再構成を改善する方法を示している。
地球規模の照明補正ではなく、局所的な被曝と過剰露光を大腸内視鏡で補正する必要があると仮定されている。
- 参考スコア(独自算出の注目度): 1.0499611180329804
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This contribution shows how an appropriate image pre-processing can improve a
deep-learning based 3D reconstruction of colon parts. The assumption is that,
rather than global image illumination corrections, local under- and
over-exposures should be corrected in colonoscopy. An overview of the pipeline
including the image exposure correction and a RNN-SLAM is first given. Then,
this paper quantifies the reconstruction accuracy of the endoscope trajectory
in the colon with and without appropriate illumination correction
- Abstract(参考訳): このコントリビューションは、画像前処理が深層学習に基づく大腸部分の3D再構成を改善する方法を示している。
地球規模の照明補正ではなく、局所的な被曝と過剰露光は大腸内視鏡で補正されるべきである。
まず、画像露出補正とRNN-SLAMを含むパイプラインの概要を示す。
そこで本稿では,適切な照明補正を伴わずに大腸内視鏡軌跡の再構成精度を定量化する。
関連論文リスト
- Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳(メタデータ) (2023-12-19T22:40:51Z) - LightNeuS: Neural Surface Reconstruction in Endoscopy using Illumination
Decline [45.49984459497878]
単眼内視鏡で取得した画像から3次元再構成を行う手法を提案する。
第一に、内的空洞は水密であり、符号付き距離関数でモデル化することによって自然に強制される性質である。
第二に、シーンの照明は可変であり、それは内視鏡の光源から来ており、四角い距離と表面との逆転で崩壊する。
論文 参考訳(メタデータ) (2023-09-06T06:41:40Z) - A Surface-normal Based Neural Framework for Colonoscopy Reconstruction [24.467879991609095]
内視鏡画像から3次元表面を再構成することは、映像フレームの照明と反射率の変化により困難である。
大腸内視鏡再建の精度を大幅に向上させる2段階の神経フレームワークを開発した。
論文 参考訳(メタデータ) (2023-03-13T16:44:15Z) - Photometric single-view dense 3D reconstruction in endoscopy [2.094821665776961]
大腸内視鏡検査において,光度ステレオによるヒト大腸の3次元立体再構成を実現するために,制御光を利用する。
本手法は実際の医療環境下で機能し,適切な位置校正法と大腸管形状に適応した深さ推定法の両方を提供する。
論文 参考訳(メタデータ) (2022-04-19T18:23:31Z) - Total Scale: Face-to-Body Detail Reconstruction from Sparse RGBD Sensors [52.38220261632204]
PIFuをベースとした再建術では, 顔面の平坦化が頻発する。
再建した顔のディテールの質を高めるために,2段階のPIFu表現を提案する。
顔の鮮明な細部と身体形状の変形におけるアプローチの有効性を実験的に検証した。
論文 参考訳(メタデータ) (2021-12-03T18:46:49Z) - ColDE: A Depth Estimation Framework for Colonoscopy Reconstruction [27.793186578742088]
本研究では,大腸内視鏡データの特別な課題に対処するために,一連のトレーニング損失を設計した。
ColDEという名前の自己監督型フレームワークは、十分なトレーニング損失を伴って、大腸内視鏡データのより詳細なマップを生成することができる。
論文 参考訳(メタデータ) (2021-11-19T04:44:27Z) - Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。
提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。
実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文 参考訳(メタデータ) (2021-09-24T08:11:34Z) - How to Calibrate Your Event Camera [58.80418612800161]
画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。
ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
論文 参考訳(メタデータ) (2021-05-26T07:06:58Z) - 3D Reconstruction and Alignment by Consumer RGB-D Sensors and Fiducial
Planar Markers for Patient Positioning in Radiation Therapy [1.7744342894757368]
本稿では,安価な消費者レベルのRGB-Dセンサを用いた迅速かつ安価な患者位置決め法を提案する。
提案手法は,手持ちのRGB-Dセンサから記録された実時間,人工的,自然な視覚的ランドマークを融合する3次元再構成手法に依存する。
論文 参考訳(メタデータ) (2021-03-22T20:20:59Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z)
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。