論文の概要: SLAM assisted 3D tracking system for laparoscopic surgery
- arxiv url: http://arxiv.org/abs/2409.11688v1
- Date: Wed, 18 Sep 2024 04:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-19 19:10:09.492843
- Title: SLAM assisted 3D tracking system for laparoscopic surgery
- Title（参考訳）: 腹腔鏡下手術におけるSLAM支援3Dトラッキングシステム
- Authors: Jingwei Song, Ray Zhang, Wenwei Zhang, Hao Zhou, Maani Ghaffari,
- Abstract要約: 本研究は,登録後タスクのためのリアルタイムモノクル3D追跡アルゴリズムを提案する。
in-vivoおよびex-vivoテストによる実験では、提案された3Dトラッキングシステムが堅牢な3Dトラッキングを提供することが示された。
- 参考スコア（独自算出の注目度）: 22.36252790404779
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A major limitation of minimally invasive surgery is the difficulty in accurately locating the internal anatomical structures of the target organ due to the lack of tactile feedback and transparency. Augmented reality (AR) offers a promising solution to overcome this challenge. Numerous studies have shown that combining learning-based and geometric methods can achieve accurate preoperative and intraoperative data registration. This work proposes a real-time monocular 3D tracking algorithm for post-registration tasks. The ORB-SLAM2 framework is adopted and modified for prior-based 3D tracking. The primitive 3D shape is used for fast initialization of the monocular SLAM. A pseudo-segmentation strategy is employed to separate the target organ from the background for tracking purposes, and the geometric prior of the 3D shape is incorporated as an additional constraint in the pose graph. Experiments from in-vivo and ex-vivo tests demonstrate that the proposed 3D tracking system provides robust 3D tracking and effectively handles typical challenges such as fast motion, out-of-field-of-view scenarios, partial visibility, and "organ-background" relative motion.
- Abstract（参考訳）: 最小侵襲手術の大きな制限は、触覚フィードバックと透明性の欠如により、標的臓器の内部解剖学的構造を正確に見つけるのが困難である。
拡張現実(AR)はこの課題を克服する有望なソリューションを提供する。
学習に基づく手法と幾何学的手法を組み合わせることで,術前および術中データの正確な登録が可能になることが,多くの研究で示されている。
本研究は,登録後タスクのためのリアルタイムモノクル3D追跡アルゴリズムを提案する。
ORB-SLAM2フレームワークは、事前ベースの3Dトラッキングに採用され、修正されている。
原始的な3D形状は単分子SLAMの高速初期化に用いられる。
追跡目的のために対象臓器を背景から分離するために擬分法戦略を用い、ポーズグラフに付加的な制約として3次元形状の幾何学的先行を組み込む。
in-vivo と ex-vivo の実験により、提案された3Dトラッキングシステムは堅牢な3Dトラッキングを提供し、高速な動き、視野外シナリオ、部分的な可視性、相対的な動きといった典型的な課題を効果的に処理することを示した。
関連論文リスト
- Enhancing Free-hand 3D Photoacoustic and Ultrasound Reconstruction using Deep Learning [3.8426872518410997]
本研究では,携帯型光音響・超音波(PAUS)画像における3次元再構成を支援するため,グローバルローカル自己保持モジュール(MoGLo-Net)を用いたモーションベース学習ネットワークを提案する。
MoGLo-Netは、連続した超音波画像内の完全に発達したスペックル領域や高発癌組織領域などの臨界領域を利用して、運動パラメータを正確に推定する。
論文 参考訳（メタデータ） (2025-02-05T11:59:23Z) - Street Gaussians without 3D Object Tracker [86.62329193275916]
既存の手法では、オブジェクトポーズの労働集約的な手動ラベリングを使用して、標準的な空間内で動的オブジェクトを再構築し、レンダリング中にこれらのポーズに基づいてそれらを動かす。
本研究では,3次元オブジェクト融合戦略における2次元ディープトラッカーの関連性を利用して,安定なオブジェクト追跡モジュールを提案する。
我々は、軌道誤差を自律的に補正し、見逃した検出を回復する暗黙の特徴空間に、モーションラーニング戦略を導入することで、避けられないトラッキングエラーに対処する。
論文 参考訳（メタデータ） (2024-12-07T05:49:42Z) - MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。
既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。
このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-03T17:18:33Z) - Volumetric Reconstruction of Prostatectomy Specimens from Histology [0.0]
前立腺癌に対する外科的治療は、しばしば臓器切除、すなわち前立腺切除術を含む。
診断プロセスは、レポートで表現しにくい広範囲で複雑な情報を生成する。
この領域の既存のアプローチは、労働集約的で、臨床画像モダリティへの統合が困難であることが証明されている。
3D-SLIVERは、オープンソースの3DSlicer拡張として実装された、シンプルなソリューションを提供する。
論文 参考訳（メタデータ） (2024-11-29T22:33:49Z) - SurgTrack: CAD-Free 3D Tracking of Real-world Surgical Instruments [21.536823332387993]
視覚に基づく手術ナビゲーションは、非侵襲的で費用対効果があり柔軟な利点のために注目されている。
特に、視覚ベースのナビゲーションシステムの重要な要素は、手術器具を追跡することである。
CADフリーでロバストな実世界のアプリケーションのための2段階の3D計測手法であるSurgTrackを提案する。
論文 参考訳（メタデータ） (2024-09-04T10:29:59Z) - Plug-in for visualizing 3D tool tracking from videos of Minimally
Invasive Surgeries [0.6629765271909505]
ミニマル侵襲手術(MIS)における計測器追跡と3次元可視化の課題に取り組む。
従来のロボット支援MISは、2Dカメラプロジェクションの制限と最小限のハードウェア統合で問題に遭遇する。
提案手法は,セグメンテーションマップに基づく2次元追跡を伴い,広範囲の地底知識を伴わないラベル付きデータセットの作成を容易にする。
論文 参考訳（メタデータ） (2024-01-12T11:04:39Z) - MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。
このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。
我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
論文 参考訳（メタデータ） (2023-12-12T18:21:36Z) - Intraoperative 2D/3D Image Registration via Differentiable X-ray Rendering [5.617649111108429]
DiffPoseは、患者固有のシミュレーションと微分可能な物理ベースのレンダリングを利用して、手動でラベル付けされたデータに頼ることなく正確な2D/3D登録を実現する自己教師型アプローチである。
DiffPoseは手術用データセット全体の術速でサブミリ精度を達成し、既存の教師なしの手法を桁違いに改善し、教師付きベースラインよりも優れています。
論文 参考訳（メタデータ） (2023-12-11T13:05:54Z) - A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。
DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
論文 参考訳（メタデータ） (2022-03-08T17:49:07Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳（メタデータ） (2020-08-31T17:10:48Z)
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。