論文の概要: Airway Label Prediction in Video Bronchoscopy: Capturing Temporal
Dependencies Utilizing Anatomical Knowledge
- arxiv url: http://arxiv.org/abs/2307.08318v1
- Date: Mon, 17 Jul 2023 08:26:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 14:14:41.508569
- Title: Airway Label Prediction in Video Bronchoscopy: Capturing Temporal
Dependencies Utilizing Anatomical Knowledge
- Title(参考訳): ビデオ気管支鏡における気道ラベル予測:解剖学的知識を用いた時間依存性の把握
- Authors: Ron Keuth, Mattias Heinrich, Martin Eichenlaub and Marian Himstedt
- Abstract要約: 本稿では,気管支鏡画像データのみを取り入れたナビゲーションガイダンスについて述べる。
気道樹の解剖学的制約を最大限に活用する。
我々は、個々のフレームに基づく分類において、0.81と比較して、最大0.98まで精度を向上することができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Purpose: Navigation guidance is a key requirement for a multitude of lung
interventions using video bronchoscopy. State-of-the-art solutions focus on
lung biopsies using electromagnetic tracking and intraoperative image
registration w.r.t. preoperative CT scans for guidance. The requirement of
patient-specific CT scans hampers the utilisation of navigation guidance for
other applications such as intensive care units.
Methods: This paper addresses navigation guidance solely incorporating
bronchosopy video data. In contrast to state-of-the-art approaches we entirely
omit the use of electromagnetic tracking and patient-specific CT scans.
Guidance is enabled by means of topological bronchoscope localization w.r.t. an
interpatient airway model. Particularly, we take maximally advantage of
anatomical constraints of airway trees being sequentially traversed. This is
realized by incorporating sequences of CNN-based airway likelihoods into a
Hidden Markov Model.
Results: Our approach is evaluated based on multiple experiments inside a
lung phantom model. With the consideration of temporal context and use of
anatomical knowledge for regularization, we are able to improve the accuracy up
to to 0.98 compared to 0.81 (weighted F1: 0.98 compared to 0.81) for a
classification based on individual frames.
Conclusion: We combine CNN-based single image classification of airway
segments with anatomical constraints and temporal HMM-based inference for the
first time. Our approach renders vision-only guidance for bronchoscopy
interventions in the absence of electromagnetic tracking and patient-specific
CT scans possible.
- Abstract(参考訳): 目的: ビデオ気管支鏡を用いた多彩な肺介入は, ナビゲーション指導が重要な要件である。
現状の解決策は、電磁的追跡と術中画像登録による肺生検に焦点を当てている。
患者固有のCTスキャンの要件は、集中治療装置などの他の用途のナビゲーションガイダンスの利用を妨げている。
方法: bronchosopyビデオデータのみを組み込んだナビゲーションガイダンスについて述べる。
最先端のアプローチとは対照的に、電磁的追跡と患者固有のCTスキャンの使用を完全に省略する。
患者間気道モデルを用いたトポロジカル気管支鏡の局所化により誘導が可能となる。
特に,気道木が順次横切るという解剖学的制約を最大限に活用する。
これはcnnベースの気道確率のシーケンスを隠れマルコフモデルに組み込むことによって実現される。
結果: 本手法は肺ファントムモデル内の複数の実験に基づいて評価した。
時間的文脈を考慮し、解剖学的知識を正規化に利用することにより、個々のフレームに基づく分類において、0.81(重み付きF1:0.98)と比較して0.98まで精度を向上することができる。
結論:cnnに基づく気道セグメントの単一画像分類と解剖学的制約と時間hmmに基づく推論を初めて組み合わせた。
本手法は, 患者固有のctスキャンを必要とせず, 気管支鏡の介入に対して視覚のみの指導を行う。
関連論文リスト
- Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳(メタデータ) (2023-03-31T12:52:24Z) - Time-distance vision transformers in lung cancer diagnosis from
longitudinal computed tomography [4.924544172166966]
縦断的医療画像は、データ取得において、スパース、不規則な時間間隔というユニークな課題を提示する。
本研究では、連続時間のベクトル埋め込みと時間強調モデルを用いて、自己注意重みを拡大する時間距離視覚変換器(ViT)の2つの解釈を提案する。
この研究は、縦断的医療画像の分類のための最初の自己注意に基づくフレームワークである。
論文 参考訳(メタデータ) (2022-09-04T19:08:44Z) - Weakly Supervised Airway Orifice Segmentation in Video Bronchoscopy [0.0]
本論文は気管支鏡視下気管支鏡視下における気管支拡張術の自動化について述べる。
このタスクに対するディープラーニングベースのアプローチは、現在、容易に利用できる真実のセグメンテーションデータが欠如しているため、妨げられている。
我々はk平均からなるデータ駆動パイプラインと、コンパクトなマーカーベースの流域アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-08-24T12:18:25Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - 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) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳(メタデータ) (2021-05-25T12:06:55Z) - Pulmonary embolism identification in computerized tomography pulmonary
angiography scans with deep learning technologies in COVID-19 patients [0.65756807269289]
本稿では,A-Scans画像における肺塞栓症同定のための最も正確かつ高速な深層学習モデルについて紹介する。
本研究では,肺塞栓症の診断精度を向上させるために,分類モデルと対象検出モデルを組み合わせた高速トラックソリューション(システム)を提案する。
論文 参考訳(メタデータ) (2021-05-24T10:23:21Z) - Development of a Multi-Task Learning V-Net for Pulmonary Lobar
Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。
この影響は、肺葉を分節する機械学習手法の改善を動機づけた。
このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
論文 参考訳(メタデータ) (2021-05-11T17:10:25Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳(メタデータ) (2021-05-06T10:21:28Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳(メタデータ) (2020-10-07T06:22:24Z) - Dynamic Coronary Roadmapping via Catheter Tip Tracking in X-ray
Fluoroscopy with Deep Learning Based Bayesian Filtering [4.040013871160853]
経皮的冠動脈インターベンション (PCI) は, 冠動脈造影にX線不透明造影剤を併用したX線アンギオグラムを用いて画像誘導を行うのが一般的である。
本報告では、視覚フィードバックを改善し、PCIにおけるコントラスト使用を減らすために、新しい動的冠ロードマップ作成手法の開発について述べる。
特に,カテーテル先端の高精度かつロバストな追跡のために,畳み込みニューラルネットワークの検出結果と,粒子フィルタリングフレームワークを用いたフレーム間の運動推定を統合した,深層学習に基づくベイズフィルタリング手法を提案する。
論文 参考訳(メタデータ) (2020-01-11T22:08:06Z)
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。