論文の概要: ColonMapper: topological mapping and localization for colonoscopy
- arxiv url: http://arxiv.org/abs/2305.05546v3
- Date: Wed, 10 Jul 2024 13:00:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-11 22:29:23.713289
- Title: ColonMapper: topological mapping and localization for colonoscopy
- Title（参考訳）: ColonMapper: 大腸内視鏡におけるトポロジカルマッピングと局在
- Authors: Javier Morlana, Juan D. Tardós, J. M. M. Montiel,
- Abstract要約: そこで本研究では,実人の大腸で動作可能なトポロジカルマッピングとローカライゼーションシステムを提案する。
マップは、各ノードが実際のイメージのセットでコロン位置をコードするグラフであり、エッジはノード間のトラバーサビリティを表す。
ColonMapperは、マップを自律的に構築し、それに対して2つの重要なユースケースでローカライズすることができる。
- 参考スコア（独自算出の注目度）: 7.242530499990028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a topological mapping and localization system able to operate on real human colonoscopies, despite significant shape and illumination changes. The map is a graph where each node codes a colon location by a set of real images, while edges represent traversability between nodes. For close-in-time images, where scene changes are minor, place recognition can be successfully managed with the recent transformers-based local feature matching algorithms. However, under long-term changes -- such as different colonoscopies of the same patient -- feature-based matching fails. To address this, we train on real colonoscopies a deep global descriptor achieving high recall with significant changes in the scene. The addition of a Bayesian filter boosts the accuracy of long-term place recognition, enabling relocalization in a previously built map. Our experiments show that ColonMapper is able to autonomously build a map and localize against it in two important use cases: localization within the same colonoscopy or within different colonoscopies of the same patient. Code: https://github.com/jmorlana/ColonMapper.
- Abstract（参考訳）: そこで本研究では, 形状や照明の変化に拘わらず, 実際の大腸で動作可能なトポロジカルマッピングと局所化システムを提案する。
マップは、各ノードが実際のイメージのセットでコロン位置をコードするグラフであり、エッジはノード間のトラバーサビリティを表す。
シーン変更がマイナーなクローズインタイムイメージでは、最近のトランスフォーマーベースのローカル特徴マッチングアルゴリズムを使用して、位置認識をうまく管理することができる。
しかし、同じ患者の異なる大腸内視鏡のような長期的変化の下では、特徴ベースのマッチングは失敗する。
これを解決するために,我々は,現場の大幅な変化を伴って高いリコールを達成し,より深いグローバルな記述子を実地で訓練する。
ベイズフィルタの追加により、長期的位置認識の精度が向上し、以前に構築された地図における再ローカライズが可能になる。
実験の結果,CromMapperは地図を自律的に構築し,同一の大腸内視鏡内あるいは同一患者の異なる大腸内視鏡内における局所化という,2つの重要なユースケースでそれに対して局所化することができることがわかった。
コード:https://github.com/jmorlana/ColonMapper
関連論文リスト
- Frontiers in Intelligent Colonoscopy [96.57251132744446]
本研究は, インテリジェント大腸内視鏡技術のフロンティアと, マルチモーダル医療への応用の可能性について検討する。
大腸内視鏡的シーン知覚のための4つのタスクを通して,現在のデータ中心およびモデル中心のランドスケープを評価した。
今後のマルチモーダル時代を受け入れるために,大規模マルチモーダル・インストラクション・チューニング・データセットColoninST,大腸内視鏡で設計されたマルチモーダル言語モデルColonGPT,マルチモーダル・ベンチマークの3つの基本イニシアティブを構築した。
論文 参考訳（メタデータ） (2024-10-22T17:57:12Z) - Topological SLAM in colonoscopies leveraging deep features and topological priors [6.234802839923542]
ColonSLAMは、古典的なマルチマップメートル法SLAMと深い特徴とトポロジカル事前を組み合わせた、大腸全体のトポロジカルマップを作成するシステムである。
提案手法をエンドマップデータセットで実証し,実際の人間の探索における大腸全体の地図作成の可能性を示した。
論文 参考訳（メタデータ） (2024-09-25T10:56:08Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-02-25T13:22:17Z) - LoCUS: Learning Multiscale 3D-consistent Features from Posed Images [18.648772607057175]
我々は、監督なしに多目的な神経表現を訓練する。
検索セットを慎重に構築することで、検索と再利用のバランスをとることができる。
スパース,マルチスケール,セマンティック空間マップの作成結果を示す。
論文 参考訳（メタデータ） (2023-10-02T11:11:23Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - 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) - SoftEnNet: Symbiotic Monocular Depth Estimation and Lumen Segmentation
for Colonoscopy Endorobots [2.9696400288366127]
大腸癌は世界で3番目に多いがん死の原因である。
視覚ベースの自律型内視鏡は大腸内視鏡の手順を大幅に改善することができる。
論文 参考訳（メタデータ） (2023-01-19T16:22:17Z) - Colonoscopy Landmark Detection using Vision Transformers [0.0]
手順中に撮影された120のビデオと2416のスナップショットのデータセットを収集しました。
我々は,視覚変換器を用いたランドマーク検出アルゴリズムを開発した。
テストデータセットのスナップショットに視覚変換器のバックボーンで82%の精度を報告した。
論文 参考訳（メタデータ） (2022-09-22T20:39:07Z) - 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) - Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。
特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。
我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
論文 参考訳（メタデータ） (2020-12-02T18:19:51Z) - 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)
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。