論文の概要: BronchoTrack: Airway Lumen Tracking for Branch-Level Bronchoscopic
Localization
- arxiv url: http://arxiv.org/abs/2402.12763v1
- Date: Tue, 20 Feb 2024 07:11:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 16:48:31.074506
- Title: BronchoTrack: Airway Lumen Tracking for Branch-Level Bronchoscopic
Localization
- Title（参考訳）: ブロンコトラック:分枝式気管支鏡像定位のためのエアウェイルーメントラッキング
- Authors: Qingyao Tian, Huai Liao, Xinyan Huang, Bingyu Yang, Jinlin Wu, Jian
Chen, Lujie Li, Hongbin Liu
- Abstract要約: BronchoTrackは、正確なブランチレベルのローカライゼーションのための革新的なリアルタイムフレームワークである。
気管支鏡下位置計測にマルチオブジェクトトラッキングを導入したのは,今回が初めてである。
本研究は,患者全体の一般化を確実にするため,訓練不要な気道関連手法を提案する。
- 参考スコア（独自算出の注目度）: 5.723152301765533
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Localizing the bronchoscope in real time is essential for ensuring
intervention quality. However, most existing methods struggle to balance
between speed and generalization. To address these challenges, we present
BronchoTrack, an innovative real-time framework for accurate branch-level
localization, encompassing lumen detection, tracking, and airway association.To
achieve real-time performance, we employ a benchmark lightweight detector for
efficient lumen detection. We are the first to introduce multi-object tracking
to bronchoscopic localization, mitigating temporal confusion in lumen
identification caused by rapid bronchoscope movement and complex airway
structures. To ensure generalization across patient cases, we propose a
training-free detection-airway association method based on a semantic airway
graph that encodes the hierarchy of bronchial tree structures.Experiments on
nine patient datasets demonstrate BronchoTrack's localization accuracy of 85.64
\%, while accessing up to the 4th generation of airways.Furthermore, we tested
BronchoTrack in an in-vivo animal study using a porcine model, where it
successfully localized the bronchoscope into the 8th generation
airway.Experimental evaluation underscores BronchoTrack's real-time performance
in both satisfying accuracy and generalization, demonstrating its potential for
clinical applications.
- Abstract（参考訳）: 気管支鏡をリアルタイムに配置することは,治療の質を確保する上で不可欠である。
しかし、既存の手法の多くは速度と一般化のバランスをとるのに苦労している。
これらの課題に対処するため,我々は,lumen検出,トラッキング,およびairwayアソシエーションを包含する,正確な分岐レベル位置推定のための革新的なリアルタイムフレームワークであるbronchotrackを提案する。
気管支鏡像定位にマルチオブジェクトトラッキングを導入することで,気管支鏡の急速移動と複雑な気道構造によるルーメン識別の時間的混乱を緩和した。
To ensure generalization across patient cases, we propose a training-free detection-airway association method based on a semantic airway graph that encodes the hierarchy of bronchial tree structures.Experiments on nine patient datasets demonstrate BronchoTrack's localization accuracy of 85.64 \%, while accessing up to the 4th generation of airways.Furthermore, we tested BronchoTrack in an in-vivo animal study using a porcine model, where it successfully localized the bronchoscope into the 8th generation airway.Experimental evaluation underscores BronchoTrack's real-time performance in both satisfying accuracy and generalization, demonstrating its potential for clinical applications.
関連論文リスト
- PANS: Probabilistic Airway Navigation System for Real-time Robust Bronchoscope Localization [4.755280006199144]
気管支鏡の局所化のための新しい確率的気道ナビゲーションシステム(PANS)を提案する。
私たちのPANSは、DMI(Depth-based Motion Inference)とBSA(Bronchial Semantic Analysis)という2つの重要なモジュールを活用することで、多様な視覚表現を取り入れています。
この確率的定式化では,6-DOF気管支鏡の局所化を精度と堅牢性で達成できる。
論文 参考訳（メタデータ） (2024-07-08T02:13:41Z) - Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。
第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。
第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
論文 参考訳（メタデータ） (2024-04-12T20:39:19Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - Towards Real-World Visual Tracking with Temporal Contexts [64.7981374129495]
時間的文脈を効率的に活用できる2段階フレームワーク(TCTrack)を提案する。
これに基づいて、現実世界の視覚的トラッキング、すなわちTCTrack++のためのより強力なバージョンを提案する。
特徴抽出のために,空間的特徴を高めるために注意に基づく時間適応的畳み込みを提案する。
類似性マップの改良のために,時間的知識を効率的に符号化する適応型時間的変換器を導入する。
論文 参考訳（メタデータ） (2023-08-20T17:59:40Z) - Airway Label Prediction in Video Bronchoscopy: Capturing Temporal
Dependencies Utilizing Anatomical Knowledge [0.0]
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。
論文 参考訳（メタデータ） (2023-07-17T08:26:36Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - 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) - Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。
本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
論文 参考訳（メタデータ） (2022-05-16T09:34:43Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳（メタデータ） (2022-05-14T02:32:33Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Airflow recovery from thoracic and abdominal movements using
Synchrosqueezing Transform and Locally Stationary Gaussian Process Regression [6.496038875667294]
本稿では, 非線形型時間周波数解析ツールであるシンクロスキューズ変換を用いて, 胸部, 腹部の運動信号を特徴として表現することを提案する。
正常な睡眠条件下での呼吸信号を含むデータセットを用いて,提案したモデルを特徴空間に適合させることで,正確な予測が可能であることを示す。
論文 参考訳（メタデータ） (2020-08-11T01:37:38Z)
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。