論文の概要: SimCol3D -- 3D Reconstruction during Colonoscopy Challenge

• arxiv url: http://arxiv.org/abs/2307.11261v1
• Date: Thu, 20 Jul 2023 22:41:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 14:11:32.775390
• Title: SimCol3D -- 3D Reconstruction during Colonoscopy Challenge
• Title（参考訳）: simcol3d -- 大腸内視鏡検査による3次元再建
• Authors: Anita Rau, Sophia Bano, Yueming Jin, Pablo Azagra, Javier Morlana, Edward Sanderson, Bogdan J. Matuszewski, Jae Young Lee, Dong-Jae Lee, Erez Posner, Netanel Frank, Varshini Elangovan, Sista Raviteja, Zhengwen Li, Jiquan Liu, Seenivasan Lalithkumar, Mobarakol Islam, Hongliang Ren, Jos\'e M.M. Montiel, Danail Stoyanov
• Abstract要約: EndoVisのサブチャンジSimCol3Dは、大腸内視鏡におけるデータ駆動深度と予測の促進を目的としている。 仮想大腸内視鏡の深度予測は頑健に解けるが, ポーズ推定は未解決の課題である。
• 参考スコア（独自算出の注目度）: 28.115701091524606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colorectal cancer is one of the most common cancers in the world. While colonoscopy is an effective screening technique, navigating an endoscope through the colon to detect polyps is challenging. A 3D map of the observed surfaces could enhance the identification of unscreened colon tissue and serve as a training platform. However, reconstructing the colon from video footage remains unsolved due to numerous factors such as self-occlusion, reflective surfaces, lack of texture, and tissue deformation that limit feature-based methods. Learning-based approaches hold promise as robust alternatives, but necessitate extensive datasets. By establishing a benchmark, the 2022 EndoVis sub-challenge SimCol3D aimed to facilitate data-driven depth and pose prediction during colonoscopy. The challenge was hosted as part of MICCAI 2022 in Singapore. Six teams from around the world and representatives from academia and industry participated in the three sub-challenges: synthetic depth prediction, synthetic pose prediction, and real pose prediction. This paper describes the challenge, the submitted methods, and their results. We show that depth prediction in virtual colonoscopy is robustly solvable, while pose estimation remains an open research question.
• Abstract（参考訳）: 大腸癌は世界で最も一般的ながんの1つである。 大腸内視鏡は効果的なスクリーニング技術であるが,大腸内視鏡を通してポリープを検出するのは困難である。 観察された表面の3dマップは、無防備な大腸組織の同定を強化し、訓練用プラットフォームとして機能する。 しかし, 自己閉塞, 反射面, テクスチャの欠如, 特徴的手法を制限した組織変形など多くの要因により, ビデオ映像からの結腸の再構築は未解決のままである。 学習ベースのアプローチはpromiseを堅牢な代替手段として持つが、広範なデータセットを必要とする。 ベンチマークを確立することで、2022 EndoVisのサブチャンジSimCol3Dは、データ駆動深度を促進し、大腸内視鏡中に予測を行う。 この挑戦はMICCAI 2022の一部としてシンガポールで開催された。 世界中から6つのチームと、学界や産業の代表者が、合成深度予測、合成ポーズ予測、実際のポーズ予測という3つの課題に参加した。 本稿では,課題,提案手法,その結果について述べる。 仮想大腸内視鏡の深度予測は頑健に解けるが, ポーズ推定は未解決の課題である。

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)
• REAL-Colon: A dataset for developing real-world AI applications in colonoscopy [1.8590283101866463]
  本稿では,REAL-Colon(Real-world Multi-center Endoscopy Annotated Video Library)データセットを紹介する。 これは60のフル解像度の実際の大腸内視鏡記録から、2.7Mのネイティブビデオフレームで構成されている。 データセットには350kのバウンディングボックスアノテーションが含まれており、それぞれが専門の消化器科医の監督の下で作成されている。
  論文  参考訳（メタデータ） (2024-03-04T16:11:41Z)
• 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)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• Bimodal Camera Pose Prediction for Endoscopy [23.12495584329767]
  大腸内視鏡におけるカメラポーズ推定のための合成データセットSimColを提案する。 我々のデータセットは実際の大腸内視鏡の動きを再現し、既存の方法の欠点を強調します。 シミュレーション大腸内視鏡による18kのRGB画像とそれに対応する深度とカメラのポーズを公開し,Unityのデータ生成環境を一般公開した。
  論文  参考訳（メタデータ） (2022-04-11T09:34:34Z)
• Colorectal Polyp Detection in Real-world Scenario: Design and Experiment Study [8.112428008139117]
  大腸ポリープは、大腸癌に発症するリスクが高く、結腸または直腸の内膜に成長する異常な組織です。 本稿では,ポリープ検出の独特な課題に対処する統合システムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-01-11T17:10:47Z)
• 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)
• SHARP 2020: The 1st Shape Recovery from Partial Textured 3D Scans Challenge Results [90.42321856720633]
  SHARP 2020は、生の不完全なデータから完全なテクスチャ化された3Dスキャンを復元するための、最初の挑戦とベンチマーク手法である。 補完的な課題は2つあり、ひとつは3Dスキャンで、もうひとつはジェネリックオブジェクトでである。 形状復元, テクスチャ再構築, 完成したデータの量とを共同で定量化するために, 新たな評価基準を提案する。
  論文  参考訳（メタデータ） (2020-10-26T12:05:56Z)

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。