論文の概要: Non-rigid Point Cloud Registration for Middle Ear Diagnostics with Endoscopic Optical Coherence Tomography

• arxiv url: http://arxiv.org/abs/2304.13618v1
• Date: Wed, 26 Apr 2023 15:20:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 13:53:04.857387
• Title: Non-rigid Point Cloud Registration for Middle Ear Diagnostics with Endoscopic Optical Coherence Tomography
• Title（参考訳）: 内視鏡的光コヒーレンストモグラフィーによる中耳診断における非剛性点雲の登録
• Authors: Peng Liu, Jonas Golde, Joseph Morgenstern, Sebastian Bodenstedt, Chenpan Li, Yujia Hu, Zhaoyu Chen, Edmund Koch, Marcus Neudert, Stefanie Speidel
• Abstract要約: 中耳感染症は、特に小児において最も多い炎症性疾患である。 そこで我々は,C2P-Netを提案する。C2P-Netは点雲のための2段階の非剛性登録パイプラインで,インビビオノイズと部分的なCT画像の解釈を支援する。
• 参考スコア（独自算出の注目度）: 1.7970627394606764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Middle ear infection is the most prevalent inflammatory disease, especially among the pediatric population. Current diagnostic methods are subjective and depend on visual cues from an otoscope, which is limited for otologists to identify pathology. To address this shortcoming, endoscopic optical coherence tomography (OCT) provides both morphological and functional in-vivo measurements of the middle ear. However, due to the shadow of prior structures, interpretation of OCT images is challenging and time-consuming. To facilitate fast diagnosis and measurement, improvement in the readability of OCT data is achieved by merging morphological knowledge from ex-vivo middle ear models with OCT volumetric data, so that OCT applications can be further promoted in daily clinical settings. Methods: We propose C2P-Net: a two-staged non-rigid registration pipeline for complete to partial point clouds, which are sampled from ex-vivo and in-vivo OCT models, respectively. To overcome the lack of labeled training data, a fast and effective generation pipeline in Blender3D is designed to simulate middle ear shapes and extract in-vivo noisy and partial point clouds. Results: We evaluate the performance of C2P-Net through experiments on both synthetic and real OCT datasets. The results demonstrate that C2P-Net is generalized to unseen middle ear point clouds and capable of handling realistic noise and incompleteness in synthetic and real OCT data. Conclusion: In this work, we aim to enable diagnosis of middle ear structures with the assistance of OCT images. We propose C2P-Net: a two-staged non-rigid registration pipeline for point clouds to support the interpretation of in-vivo noisy and partial OCT images for the first time. Code is available at: https://gitlab.com/nct\_tso\_public/c2p-net.
• Abstract（参考訳）: 目的:中耳感染症は特に小児において最も多い炎症性疾患である。 現在の診断法は主観的であり、眼科医が病理を識別するのに限られる眼科からの視覚的手がかりに依存している。 この欠点に対処するため、内視鏡的光コヒーレンス断層撮影(OCT)は中耳の形態学的および機能的生体内測定の両方を提供する。 しかし, 先行構造の影のため, OCT画像の解釈は困難であり, 時間を要する。 診断と測定の迅速化を図るため,OCT外耳モデルからOCT容積データへの形態的知識の融合により,OCTデータの可読性の向上が達成され,日常的な臨床現場でのOCT適用がさらに促進される。 方法:我々はc2p-netを提案する。c2p-netは、元vivoモデルとin-vivo octモデルからサンプリングされた完全から部分的なポイントクラウドのための2段階の非リギッド登録パイプラインである。 ラベル付きトレーニングデータの欠如を克服するため、Blender3Dの高速かつ効率的な生成パイプラインは、中耳の形状をシミュレートし、ビビオノイズと部分点の雲を抽出するように設計されている。 結果: 合成OCTデータセットと実OCTデータセットの両方を用いた実験により, C2P-Netの性能を評価する。 その結果,C2P-Netは中耳点群に一般化され,合成および実OCTデータにおける現実的なノイズや不完全性を扱うことができることがわかった。 結論: 本研究は, oct画像を用いて中耳構造の診断を可能にすることを目的としている。 C2P-Net - 点雲のための2段階の非剛性登録パイプラインで, インビビオノイズと部分的なCT画像の解釈を初めてサポートする。 コードはhttps://gitlab.com/nct\_tso\_public/c2p-net.comで入手できる。

関連論文リスト

• 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)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• Deep Learning for Vascular Segmentation and Applications in Phase Contrast Tomography Imaging [33.23991248643144]
  本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。 我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。 HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
  論文  参考訳（メタデータ） (2023-11-22T11:15:38Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• O2CTA: Introducing Annotations from OCT to CCTA in Coronary Plaque Analysis [19.099761377777412]
  冠動脈造影(CCTA)は動脈造影や狭窄度判定に広く用いられている。 侵襲的光コヒーレンス断層撮影(OCT)により、医師のトラブルを伴わずに解決することができるが、高いコストと潜在的なリスクを患者にもたらすことができる。 我々は,O2CTA問題に対処する手法を提案する。CCTAスキャンはまず,意味内容の観点からOCT画像と一致するマルチ平面再構成(MPR)画像に再構成される。 OCTの動脈セグメントは手動でラベル付けされ、提案したアライメント戦略を介してMPR画像の動脈全体と空間的に整列する。
  論文  参考訳（メタデータ） (2023-03-11T09:40:05Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• LIFE: A Generalizable Autodidactic Pipeline for 3D OCT-A Vessel Segmentation [5.457168581192045]
  最近のディープラーニングアルゴリズムは、有望な血管セグメンテーションの結果を生み出した。 しかし、手動による注記データがないため、3D網膜血管セグメンテーションは依然として困難である。 自己合成モダリティのみによって教師される学習に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-07-09T07:51:33Z)
• CHS-Net: A Deep learning approach for hierarchical segmentation of COVID-19 infected CT images [0.6091702876917281]
  新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。 CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。 ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
  論文  参考訳（メタデータ） (2020-12-13T15:02:05Z)
• ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New Model [41.444917622855606]
  OCT-Aセグメンテーションデータセット(ROSE)は229枚のOCT-A画像からなり、中心線レベルまたは画素レベルで血管アノテーションを付加する。 次に,スプリットをベースとしたSCF-Net(Coarse-to-Fine vessel segmentation Network)を提案する。 SCF-Netでは、スプリットベース粗いセグメンテーション(SCS)モジュールを最初に導入し、スプリットベースリファインメント(SRN)モジュールを使用して形状・形状を最適化する。
  論文  参考訳（メタデータ） (2020-07-10T06:54:19Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。