論文の概要: Landmark Detection using Transformer Toward Robot-assisted Nasal Airway Intubation

• arxiv url: http://arxiv.org/abs/2308.02845v1
• Date: Sat, 5 Aug 2023 11:14:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 18:17:27.560207
• Title: Landmark Detection using Transformer Toward Robot-assisted Nasal Airway Intubation
• Title（参考訳）: ロボット支援鼻気管挿管へのトランスフォーマーを用いたランドマーク検出
• Authors: Tianhang Liu, Hechen Li, Long Bai, Yanan Wu, An Wang, Mobarakol Islam, Hongliang Ren
• Abstract要約: 2つの重要な目印である鼻孔と喉頭は、鼻腔挿管の段階に対応するために挿管中に検出される。 検出変換器(DeTR)は、オブジェクト検出器を長距離依存の新たなパラダイムに導く。 本稿では,デフォルマブルデTRとセマンティックアライメントマッチングモジュールを用いたトランスフォーマに基づくランドマーク検出手法を提案する。
• 参考スコア（独自算出の注目度）: 20.92247528993732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robot-assisted airway intubation application needs high accuracy in locating targets and organs. Two vital landmarks, nostrils and glottis, can be detected during the intubation to accommodate the stages of nasal intubation. Automated landmark detection can provide accurate localization and quantitative evaluation. The Detection Transformer (DeTR) leads object detectors to a new paradigm with long-range dependence. However, current DeTR requires long iterations to converge, and does not perform well in detecting small objects. This paper proposes a transformer-based landmark detection solution with deformable DeTR and the semantic-aligned-matching module for detecting landmarks in robot-assisted intubation. The semantics aligner can effectively align the semantics of object queries and image features in the same embedding space using the most discriminative features. To evaluate the performance of our solution, we utilize a publicly accessible glottis dataset and automatically annotate a nostril detection dataset. The experimental results demonstrate our competitive performance in detection accuracy. Our code is publicly accessible.
• Abstract（参考訳）: ロボット支援の気道挿管応用は、目標や臓器の特定に高い精度を必要とする。 2つの重要な目印である鼻孔と喉頭は、鼻腔挿管の段階に合わせて挿管中に検出される。 自動ランドマーク検出は正確な位置決めと定量的評価を提供する。 検出変換器(DeTR)は、オブジェクト検出器を長距離依存の新しいパラダイムに導く。 しかし、現在のDeTRは収束するために長いイテレーションを必要とし、小さなオブジェクトを検出するのにうまく機能しない。 本稿では,変形可能なdetrを用いたトランスフォーマチックランドマーク検出法と,ロボット支援インキュベーションにおけるランドマーク検出のためのセマンティックアライメントマッチングモジュールを提案する。 semantics alignerは、最も識別的な機能を使用して、オブジェクトクエリとイメージ機能のセマンティクスを同じ埋め込み空間で効果的に調整することができる。 ソリューションの性能を評価するために,公開アクセス可能なglottisデータセットを使用し,nostril検出データセットに自動アノテートを行う。 実験の結果,検出精度の競争性能が示された。 私たちのコードは公開アクセス可能です。

関連論文リスト

• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Detect Any Deepfakes: Segment Anything Meets Face Forgery Detection and Localization [30.317619885984005]
  本稿では,視覚的セグメンテーション基盤モデル,すなわちセグメンテーションモデル(SAM)をフォージェリ検出とローカライゼーションの対面に導入する。 SAMに基づいて,Multiscale Adapterを用いたDADFフレームワークを提案する。 提案するフレームワークは、エンドツーエンドのフォージェリーローカライゼーションと検出最適化をシームレスに統合する。
  論文  参考訳（メタデータ） (2023-06-29T16:25:04Z)
• Assessing Domain Gap for Continual Domain Adaptation in Object Detection [28.323952459461243]
  検出器は、日時、天気、季節などの環境要因による外観の変化に適応しなければならない。 これらの変化を組み込むために検出器を継続的に適応させることは有望な解決策であるが、計算に費用がかかる可能性がある。 提案手法は,現在のトレーニングデータと同じ分布を持たない新しいデータを用いて,必要なときにのみ検出器を選択的に適応させることである。
  論文  参考訳（メタデータ） (2023-02-21T02:07:13Z)
• Focused Decoding Enables 3D Anatomical Detection by Transformers [64.36530874341666]
  集束デコーダと呼ばれる3次元解剖学的構造検出のための新しい検出変換器を提案する。 Focused Decoderは、解剖学的領域のアトラスからの情報を活用して、クエリアンカーを同時にデプロイし、クロスアテンションの視野を制限する。 提案手法を利用可能な2つのCTデータセットに対して評価し、フォーカスドデコーダが強力な検出結果を提供するだけでなく、大量の注釈付きデータの必要性を軽減し、注意重みによる結果の例外的で直感的な説明性を示すことを示した。
  論文  参考訳（メタデータ） (2022-07-21T22:17:21Z)
• Robust and Accurate Object Detection via Adversarial Learning [111.36192453882195]
  この研究は、逆の例を探索することで、物体検出器の微調整段階を補強する。 提案手法は,オブジェクト検出ベンチマークにおいて,最先端のEfficientDetsの性能を+1.1mAP向上させる。
  論文  参考訳（メタデータ） (2021-03-23T19:45:26Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Online Monitoring of Object Detection Performance During Deployment [6.166295570030645]
  入力フレームのスライディングウィンドウ上での平均平均精度(mAP)を予測し,対象検出器の性能を監視するカスケードニューラルネットワークを提案する。 我々は、自律走行データセットと物体検出装置の異なる組み合わせを用いて、提案手法の評価を行った。
  論文  参考訳（メタデータ） (2020-11-16T07:01:43Z)
• AmphibianDetector: adaptive computation for moving objects detection [0.913755431537592]
  本稿では,偽陽性検出の回数を減らすためのオブジェクト検出手法を提案する。 提案手法は、すでにオブジェクト検出タスクのために訓練されているCNNの修正である。 提案手法の有効性をオープンデータセット"CDNet2014 pedestrian"で実証した。
  論文  参考訳（メタデータ） (2020-11-15T12:37:44Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。