論文の概要: Colonoscopy Coverage Revisited: Identifying Scanning Gaps in Real-Time
- arxiv url: http://arxiv.org/abs/2305.10026v1
- Date: Wed, 17 May 2023 08:12:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 17:06:14.231813
- Title: Colonoscopy Coverage Revisited: Identifying Scanning Gaps in Real-Time
- Title（参考訳）: 大腸内視鏡検査の再検討 : 走査ギャップのリアルタイム同定
- Authors: G. Leifman and I. Kligvasser and R. Goldenberg and M. Elad and E.
Rivlin
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Colonoscopy is the most widely used medical technique for preventing
Colorectal Cancer, by detecting and removing polyps before they become
malignant. Recent studies show that around one quarter of the existing polyps
are routinely missed. While some of these do appear in the endoscopist's field
of view, others are missed due to a partial coverage of the colon. The task of
detecting and marking unseen regions of the colon has been addressed in recent
work, where the common approach is based on dense 3D reconstruction, which
proves to be challenging due to lack of 3D ground truth and periods with poor
visual content. In this paper we propose a novel and complementary method to
detect deficient local coverage in real-time for video segments where a
reliable 3D reconstruction is impossible. Our method aims to identify skips
along the colon caused by a drifted position of the endoscope during poor
visibility time intervals. The proposed solution consists of two phases. During
the first, time segments with good visibility of the colon and gaps between
them are identified. During the second phase, a trained model operates on each
gap, answering the question: Do you observe the same scene before and after the
gap? If the answer is negative, the endoscopist is alerted and can be directed
to the appropriate area in real-time. The second phase model is trained using a
contrastive loss based on auto-generated examples. Our method evaluation on a
dataset of 250 procedures annotated by trained physicians provides sensitivity
of 0.75 with specificity of 0.9.
- Abstract（参考訳）: 大腸内視鏡は悪性化前にポリープを検出し除去することにより、最も広く用いられる大腸癌予防の医療技術である。
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。
近年,大腸の未発見領域の検出とマーキングの課題が解決されているが,3次元的真理の欠如や視覚コンテンツの乏しい期間などにより難易度が高い3次元再構成法が一般的である。
本稿では,信頼性の高い3次元再構成が不可能なビデオセグメントに対して,リアルタイムに局所的カバレッジの不足を検出する新しい補完手法を提案する。
内視鏡のドリフト位置による大腸沿面のスキップを,可視時間間隔の低さで同定することを目的とした。
提案する解は2つの相からなる。
最初の段階では、大腸の視認性の良い時間セグメントと、そのギャップが特定される。
第2フェーズでは、トレーニングされたモデルが各ギャップで動作し、次のような質問に答える。
答えが負なら、内科医は警告を受け、リアルタイムで適切な領域に向けることができる。
第2相モデルは、自動生成例に基づくコントラスト損失を用いて訓練される。
訓練を受けた医師がアノテートした250の手順のデータセットについて, 感度0.75, 特異度0.9。
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) - ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。
以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文 参考訳（メタデータ） (2024-07-23T14:24:26Z) - Estimating the coverage in 3d reconstructions of the colon from
colonoscopy videos [0.0]
手術中の大腸の視覚的被覆が不十分な場合、しばしばポリープが欠落する。
この問題を軽減するため, 欠損領域を可視化するために, 大腸の3次元面を再構築する手法が提案されている。
再建された大腸点雲からカバー範囲を推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2022-10-19T10:53:34Z) - C$^3$Fusion: Consistent Contrastive Colon Fusion, Towards Deep SLAM in
Colonoscopy [0.0]
光内視鏡(OC)による3D大腸再建による非検査面の検出は未解決の問題である。
近年の手法では,(1)フレーム・ツー・フレーム(あるいはフレーム・ツー・モデル)の予測が多くのトラッキング障害を引き起こし,(2)スキャン品質を犠牲にしてポイントベース表現に頼っている。
本稿では,これらの課題を終末まで解決し,定量的かつ定性的かつ堅牢な3次元大腸再建を実現するための新しい再構築フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-04T10:38:19Z) - Deep Learning-based Biological Anatomical Landmark Detection in
Colonoscopy Videos [21.384094148149003]
大腸内視鏡画像における生物学的な解剖学的ランドマークを検出するための,新しい深層学習に基づくアプローチを提案する。
平均検出精度は99.75%に達し、平均IoUは0.91であり、予測されるランドマーク周期と地上の真実との高い類似性を示している。
論文 参考訳（メタデータ） (2021-08-06T05:52:32Z) - Detection of Deepfake Videos Using Long Distance Attention [73.6659488380372]
既存のほとんどの検出方法は、問題をバニラ二項分類問題として扱う。
本稿では,偽顔と実顔の相違が非常に微妙であるため,特にきめ細かな分類問題として扱われる。
大域的な視点で空間的・時間的偽の痕跡を捉えるための2つの要素を持つ時空間モデルを提案する。
論文 参考訳（メタデータ） (2021-06-24T08:33:32Z) - 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) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳（メタデータ） (2020-06-24T15:25:11Z) - Colonoscope tracking method based on shape estimation network [36.08151254973927]
ポリープの見落としを減らすためには,内視鏡ナビゲーションシステムが必要である。
ナビゲーションシステムのための大腸内視鏡追跡手法を提案する。
大腸内視鏡挿入時の結腸形状を推定する形状推定ネットワーク(SEN)を利用する。
論文 参考訳（メタデータ） (2020-04-20T05:10:38Z) - Detecting Deficient Coverage in Colonoscopies [24.21649198309876]
大腸内視鏡は大腸癌を予防するためのツールである。
しかし内視鏡検査は、内科医が通常22-28%のポリープを欠いているという事実によって妨げられている。
本稿では,C2D2 (Colonoscopy Coverage Deficiency via Depth)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-23T15:12:33Z)
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。