論文の概要: Neural LerPlane Representations for Fast 4D Reconstruction of Deformable
Tissues
- arxiv url: http://arxiv.org/abs/2305.19906v1
- Date: Wed, 31 May 2023 14:38:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 16:03:25.157151
- Title: Neural LerPlane Representations for Fast 4D Reconstruction of Deformable
Tissues
- Title(参考訳): 変形性組織の高速4次元再構成のためのニューラルトラプレーン表現
- Authors: Chen Yang, Kailing Wang, Yuehao Wang, Xiaokang Yang, Wei Shen
- Abstract要約: LerPlaneは単一視点環境下での手術シーンの高速かつ正確な再構築手法である。
LerPlaneは外科手術を4Dボリュームとして扱い、静的および動的フィールドの明示的な2D平面に分解する。
LerPlaneは静的フィールドを共有し、動的組織モデリングのワークロードを大幅に削減する。
- 参考スコア(独自算出の注目度): 52.886545681833596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing deformable tissues from endoscopic stereo videos in robotic
surgery is crucial for various clinical applications. However, existing methods
relying only on implicit representations are computationally expensive and
require dozens of hours, which limits further practical applications. To
address this challenge, we introduce LerPlane, a novel method for fast and
accurate reconstruction of surgical scenes under a single-viewpoint setting.
LerPlane treats surgical procedures as 4D volumes and factorizes them into
explicit 2D planes of static and dynamic fields, leading to a compact memory
footprint and significantly accelerated optimization. The efficient
factorization is accomplished by fusing features obtained through linear
interpolation of each plane and enables using lightweight neural networks to
model surgical scenes. Besides, LerPlane shares static fields, significantly
reducing the workload of dynamic tissue modeling. We also propose a novel
sample scheme to boost optimization and improve performance in regions with
tool occlusion and large motions. Experiments on DaVinci robotic surgery videos
demonstrate that LerPlane accelerates optimization by over 100$\times$ while
maintaining high quality across various non-rigid deformations, showing
significant promise for future intraoperative surgery applications.
- Abstract(参考訳): ロボット手術における内視鏡的ステレオ映像からの変形性組織再構成は,様々な臨床応用に不可欠である。
しかしながら、暗黙的な表現のみに依存する既存の手法は計算コストが高く、数十時間を要するため、さらなる実用的応用が制限される。
この課題に対処するために,単一視点環境下での手術シーンの高速かつ正確な再構築手法であるLerPlaneを紹介した。
lerplaneは手術手順を4dボリュームとして扱い、それらを静的および動的フィールドの明示的な2d平面に分解し、コンパクトなメモリフットプリントと大幅な最適化に繋がる。
効率の良い因子分解は、各平面の線形補間により得られた特徴を融合することにより達成され、軽量ニューラルネットワークを用いて手術シーンをモデル化することができる。
さらに、LerPlaneは静的フィールドを共有し、動的組織モデリングのワークロードを大幅に削減する。
また,ツールオクルージョンと大きな動きを伴う領域における最適化と性能向上のための新しいサンプルスキームを提案する。
DaVinciのロボット手術ビデオの実験では、LerPlaneは様々な非剛性変形に対して高品質を維持しつつ、100ドル以上の最適化を加速し、将来の術中手術応用に有望であることが示された。
関連論文リスト
- Efficient Deformable Tissue Reconstruction via Orthogonal Neural Plane [58.871015937204255]
変形性組織を再建するための高速直交平面(Fast Orthogonal Plane)を導入する。
我々は外科手術を4Dボリュームとして概念化し、それらをニューラルネットワークからなる静的および動的フィールドに分解する。
この分解により4次元空間が増加し、メモリ使用量が減少し、最適化が高速化される。
論文 参考訳(メタデータ) (2023-12-23T13:27:50Z) - Visual-Kinematics Graph Learning for Procedure-agnostic Instrument Tip
Segmentation in Robotic Surgeries [29.201385352740555]
そこで我々は,様々な外科手術を施した楽器の先端を正確に分類する新しいビジュアル・キネマティクスグラフ学習フレームワークを提案する。
具体的には、画像とキネマティクスの両方から楽器部品のリレーショナル特徴を符号化するグラフ学習フレームワークを提案する。
クロスモーダル・コントラッシブ・ロスは、キネマティクスからチップセグメンテーションのイメージへの頑健な幾何学的先行を組み込むように設計されている。
論文 参考訳(メタデータ) (2023-09-02T14:52:58Z) - Learning How To Robustly Estimate Camera Pose in Endoscopic Videos [5.073761189475753]
カメラポーズ推定における2つの幾何学的損失を最小限に抑えるために,奥行きと光学的流れを推定するステレオ内視鏡の解を提案する。
最も重要なことは、入力画像の内容に応じてコントリビューションのバランスをとるために、2つの学習された画素単位の重みマッピングを導入することである。
パブリックなSCAREDデータセットに対する我々のアプローチを検証するとともに、新たなインビボデータセットであるStereoMISを導入しています。
論文 参考訳(メタデータ) (2023-04-17T07:05:01Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - Fast-SNARF: A Fast Deformer for Articulated Neural Fields [92.68788512596254]
本稿では,標準空間とポーズ空間の正確な対応性を求める,ニューラルフィールドのための新しい調音モジュールFast-SNARFを提案する。
Fast-SNARFはこれまでの研究であるSNARFの代替であり、計算効率は大幅に向上した。
変形マップの学習は多くの3次元人間のアバター法において重要な要素であるため、この研究は3次元仮想人間の実現に向けた重要なステップであると考えている。
論文 参考訳(メタデータ) (2022-11-28T17:55:34Z) - Neural Rendering for Stereo 3D Reconstruction of Deformable Tissues in
Robotic Surgery [18.150476919815382]
内視鏡的ステレオビデオを用いたロボット手術における軟部組織の再構築は,多くの応用において重要である。
これまでの作業は主に、複雑な手術シーンを扱うのに苦労するSLAMベースのアプローチに依存していた。
近年の神経レンダリングの進歩に触発されて,変形性組織再構築のための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2022-06-30T13:06:27Z) - E-DSSR: Efficient Dynamic Surgical Scene Reconstruction with
Transformer-based Stereoscopic Depth Perception [15.927060244702686]
28 fpsの高ダイナミックな手術シーンに対して,効率的な再建パイプラインを提案する。
具体的には,効率的な深度推定のための変圧器を用いた立体視深度知覚を設計する。
提案したパイプラインを,公開Hamlyn Centre内視鏡ビデオデータセットと社内のDaVinciロボット手術データセットの2つのデータセットで評価した。
論文 参考訳(メタデータ) (2021-07-01T05:57:41Z) - Trans-SVNet: Accurate Phase Recognition from Surgical Videos via Hybrid
Embedding Aggregation Transformer [57.18185972461453]
本稿では,手術ワークフロー解析トランスフォーマーを初めて導入し,正確な位相認識のための時間的特徴と時間的特徴の無視された補完効果を再考する。
我々のフレームワークは軽量であり、高い推論速度を達成するためにハイブリッド埋め込みを並列に処理します。
論文 参考訳(メタデータ) (2021-03-17T15:12:55Z) - Searching for Efficient Architecture for Instrument Segmentation in
Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。
我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文 参考訳(メタデータ) (2020-07-08T21:38:29Z)
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。