論文の概要: Self-supervised Mamba-based Mastoidectomy Shape Prediction for Cochlear Implant Surgery

• arxiv url: http://arxiv.org/abs/2407.15787v4
• Date: Fri, 28 Feb 2025 19:08:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-04 16:09:47.574956
• Title: Self-supervised Mamba-based Mastoidectomy Shape Prediction for Cochlear Implant Surgery
• Title（参考訳）: 人工内耳手術におけるマストイドの形状予測
• Authors: Yike Zhang, Eduardo Davalos, Dingjie Su, Ange Lou, Jack H. Noble,
• Abstract要約: 術前CT(Computed Tomography)スキャンのみでマストイド摘出体積を合成する新しいマンバ法を提案する。 本手法では,マストイド手術の形状を予測し,マストイド手術後の3次元表面を再構成する自己指導型学習フレームワークを提案する。 本手法は,マストイド切除部位のDiceスコアを0.70と推定し,手術前計画の正確かつ効率的な立案に有効であることを示す。
• 参考スコア（独自算出の注目度）: 3.626734411913593
• License:
• Abstract: Cochlear Implant (CI) procedures require the insertion of an electrode array into the cochlea within the inner ear. To achieve this, mastoidectomy, a surgical procedure involving the removal of part of the mastoid region of the temporal bone using a high-speed drill provides safe access to the cochlea through the middle and inner ear. In this paper, we propose a novel Mamba-based method to synthesize the mastoidectomy volume using only preoperative Computed Tomography (CT) scans, where the mastoid remains intact. Our approach introduces a self-supervised learning framework designed to predict the mastoidectomy shape and reconstruct a 3D post-mastoidectomy surface directly from preoperative CT scans. This reconstruction aligns with intraoperative microscope views, enabling various downstream surgical applications. For training, we leverage postoperative CT scans to bypass manual data cleaning and labeling, even when the region removed during mastoidectomy is affected by challenges such as metal artifacts, low signal-to-noise ratio, or electrode wiring. Our method achieves a mean Dice score of 0.70 in estimating mastoidectomy regions, demonstrating its effectiveness for accurate and efficient surgical preoperative planning.
• Abstract（参考訳）: 人工内耳(CI)は内耳の内耳に電極アレイを挿入する必要がある。 これを実現するために、高速ドリルを用いて側頭骨のマストイド領域の一部を除去する外科的処置であるマストイド切除術は、中耳と内耳を介して内耳に安全にアクセスできるようにする。 本稿では, 術前CTスキャンのみを用いて, マストイドの容積を再現する新しいマンバ法を提案する。 本手法では, 術前CT画像からマストイドの形状を予測し, 3次元マストイド手術後の表面を再構築する自己指導型学習フレームワークを提案する。 この再建は術中顕微鏡像と一致し、下流の様々な外科的応用を可能にした。 術中CTスキャンを用いて手動データのクリーニングやラベリングを回避し,マストイド切除時に摘出した領域が金属加工物,低信号-雑音比,電極配線などの課題によって影響を受ける場合においても,手動によるCTスキャンを併用する。 本手法は,マストイド切除部位のDiceスコアを0.70と推定し,手術前計画の正確かつ効率的な立案に有効であることを示す。

関連論文リスト

• SSDD-GAN: Single-Step Denoising Diffusion GAN for Cochlear Implant Surgical Scene Completion [4.250558597144547]
  本研究は, 人工乳頭切除データセットの外科的シーンを完了するための効率的な方法を提案する。 我々のアプローチは、実際の外科的データセットにおける自己教師付き学習を活用して、単一ステップのDNOD-GAN(SSDD-GAN)を訓練する。 トレーニングされたモデルは、ゼロショットアプローチを用いて、合成後乳頭切除データセットに直接適用される。
  論文  参考訳（メタデータ） (2025-02-08T22:04:22Z)
• Topology-based deep-learning segmentation method for deep anterior lamellar keratoplasty (DALK) surgical guidance using M-mode OCT data [0.0]
  本研究では,トポロジ的損失関数と改良型ネットワークアーキテクチャを統合した,トポロジに基づくディープラーニングセグメンテーション手法を提案する。 このアプローチは、ノイズの効果を効果的に低減し、セグメンテーション速度、精度、安定性を改善する。
  論文  参考訳（メタデータ） (2025-01-07T19:57:15Z)
• Brain Tumor Segmentation (BraTS) Challenge 2024: Meningioma Radiotherapy Planning Automated Segmentation [47.119513326344126]
  BraTS-MEN-RTの課題は、脳MRIを計画する放射線治療の最大のマルチ機関データセットを使用して、自動セグメンテーションアルゴリズムを進化させることである。 それぞれの症例には、3D後T1強調放射線治療計画MRIがネイティブな取得スペースに含まれている。 ターゲットボリュームアノテーションは、確立された放射線治療計画プロトコルに準拠している。
  論文  参考訳（メタデータ） (2024-05-28T17:25:43Z)
• Monocular Microscope to CT Registration using Pose Estimation of the Incus for Augmented Reality Cochlear Implant Surgery [3.8909273404657556]
  本研究では, 外部追跡装置を必要とせず, 2次元から3次元の観察顕微鏡映像を直接CTスキャンに登録する手法を開発した。 その結果, x, y, z軸の平均回転誤差は25度未満, 翻訳誤差は2mm, 3mm, 0.55%であった。
  論文  参考訳（メタデータ） (2024-03-12T00:26:08Z)
• An Endoscopic Chisel: Intraoperative Imaging Carves 3D Anatomical Models [8.516340459721484]
  本稿では,術前の3次元解剖モデル更新のための第1のビジョンベースアプローチを提案する。 以上の結果より, 外科的進行過程における誤りの減少が示唆された。
  論文  参考訳（メタデータ） (2024-02-19T05:06:52Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• 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)
• Automatic Detection and Segmentation of Postoperative Cerebellar Damage Based on Normalization [1.1470070927586016]
  小脳損傷の確実な局在化と測定は、損傷した小脳領域と術後の神経学的結果との関係を研究するために不可欠である。 既存の脳の正常化法は術後のスキャンでは信頼性が低いため,手動ラベリングによる外科的損傷の計測が現在行われている。 術後3次元T1MRIを用いて,手術による小脳損傷を自動的に検出・測定する頑健なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-03T22:26:59Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。