論文の概要: Topological SLAM in colonoscopies leveraging deep features and topological priors
- arxiv url: http://arxiv.org/abs/2409.16806v1
- Date: Wed, 25 Sep 2024 10:56:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 04:30:14.868500
- Title: Topological SLAM in colonoscopies leveraging deep features and topological priors
- Title（参考訳）: 大腸内視鏡における深部像とトポロジカル前駆体を利用したトポロジカルSLAM
- Authors: Javier Morlana, Juan D. Tardós, José M. M. Montiel,
- Abstract要約: ColonSLAMは、古典的なマルチマップメートル法SLAMと深い特徴とトポロジカル事前を組み合わせた、大腸全体のトポロジカルマップを作成するシステムである。
提案手法をエンドマップデータセットで実証し,実際の人間の探索における大腸全体の地図作成の可能性を示した。
- 参考スコア（独自算出の注目度）: 6.234802839923542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce ColonSLAM, a system that combines classical multiple-map metric SLAM with deep features and topological priors to create topological maps of the whole colon. The SLAM pipeline by itself is able to create disconnected individual metric submaps representing locations from short video subsections of the colon, but is not able to merge covisible submaps due to deformations and the limited performance of the SIFT descriptor in the medical domain. ColonSLAM is guided by topological priors and combines a deep localization network trained to distinguish if two images come from the same place or not and the soft verification of a transformer-based matching network, being able to relate far-in-time submaps during an exploration, grouping them in nodes imaging the same colon place, building more complex maps than any other approach in the literature. We demonstrate our approach in the Endomapper dataset, showing its potential for producing maps of the whole colon in real human explorations. Code and models are available at: https://github.com/endomapper/ColonSLAM.
- Abstract（参考訳）: 従来のマルチマップメトリックSLAMと深い特徴とトポロジカル事前を組み合わせて、大腸全体のトポロジカルマップを作成するシステムであるColonSLAMを紹介する。
SLAMパイプライン自体は、結腸の短いビデオ部分から位置を表す分離された個々のメートル法サブマップを作成することができるが、医療領域におけるSIFTディスクリプタの変形と限られた性能のために、可視のサブマップをマージすることはできない。
ColonSLAMは、トポロジカルな先駆者によってガイドされ、2つの画像が同じ場所から来たかどうかを識別するために訓練されたディープ・ローカライゼーション・ネットワークと、探索中に極時間サブマップを関連付けることができるトランスフォーマーベースのマッチング・ネットワークのソフト・検証を組み合わせる。
提案手法をエンドマップデータセットで実証し,実際の人間の探索における大腸全体の地図作成の可能性を示した。
コードとモデルは、https://github.com/endomapper/ColonSLAM.comで入手できる。
関連論文リスト
- Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。
ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。
これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文 参考訳（メタデータ） (2024-02-27T10:10:12Z) - MAP: Domain Generalization via Meta-Learning on Anatomy-Consistent
Pseudo-Modalities [12.194439938007672]
解剖学的に整合した擬似モダリティ(MAP)のメタラーニングを提案する。
MAPは構造的特徴を学習することでモデル一般化性を向上させる。
各種網膜画像モダリティの公開データセットを7つ評価した。
論文 参考訳（メタデータ） (2023-09-03T22:56:22Z) - Data Topology-Dependent Upper Bounds of Neural Network Widths [52.58441144171022]
まず、3層ニューラルネットワークがコンパクトな集合上のインジケータ関数を近似するように設計可能であることを示す。
その後、これは単純複体へと拡張され、その位相構造に基づいて幅の上界が導かれる。
トポロジカルアプローチを用いて3層ReLUネットワークの普遍近似特性を証明した。
論文 参考訳（メタデータ） (2023-05-25T14:17:15Z) - ColonMapper: topological mapping and localization for colonoscopy [7.242530499990028]
そこで本研究では,実人の大腸で動作可能なトポロジカルマッピングとローカライゼーションシステムを提案する。
マップは、各ノードが実際のイメージのセットでコロン位置をコードするグラフであり、エッジはノード間のトラバーサビリティを表す。
ColonMapperは、マップを自律的に構築し、それに対して2つの重要なユースケースでローカライズすることができる。
論文 参考訳（メタデータ） (2023-05-09T15:32:50Z) - Region Prediction for Efficient Robot Localization on Large Maps [5.75614168271028]
そこで本研究では,位置認識のためのマップノードのサブセットを事前選択する手法を提案する。
領域ラベルはディープニューラルネットワークの予測対象となり、ナビゲーション中は、高い確率で予測される領域に関連するノードのみをマッチングとして考慮する。
論文 参考訳（メタデータ） (2023-03-01T07:42:48Z) - MGeo: Multi-Modal Geographic Pre-Training Method [49.78466122982627]
マルチモーダルジオグラフィック言語モデル(MGeo)を提案する。
MGeoはGCを新しいモダリティとして表現し、正確なクエリ-POIマッチングのためのマルチモーダル相関を完全に抽出することができる。
提案するマルチモーダル事前学習法は,汎用PTMのクエリ-POIマッチング能力を大幅に向上させることができる。
論文 参考訳（メタデータ） (2023-01-11T03:05:12Z) - Learning Signal-Agnostic Manifolds of Neural Fields [50.066449953522685]
ニューラルネットワークを利用して、画像、形状、オーディオ、およびモーダル・オーディオヴィジュアル領域の基盤となる構造を捉える。
GEMの基底多様体を横切ることで、信号領域に新しいサンプルを生成できることが示される。
論文 参考訳（メタデータ） (2021-11-11T18:57:40Z) - Dist2Cycle: A Simplicial Neural Network for Homology Localization [66.15805004725809]
単純複体は多方向順序関係を明示的にエンコードするグラフの高次元一般化と見なすことができる。
単体錯体の$k$-homological特徴によってパラメータ化された関数のグラフ畳み込みモデルを提案する。
論文 参考訳（メタデータ） (2021-10-28T14:59:41Z) - Map completion from partial observation using the global structure of
multiple environmental maps [4.627706451989238]
本稿では,深層ニューラルネットワークを応用した確率的生成モデルに基づく新しいSLAM法であるマップ補完ネットワークを用いたSLAM(MCN-SLAM)を提案する。
提案手法は,従来のSLAM法よりも,部分観測の状況下で1.3倍の精度で環境マップを推定できることを実験で示した。
論文 参考訳（メタデータ） (2021-03-16T13:48:37Z) - Adaptive Linear Span Network for Object Skeleton Detection [56.78705071830965]
本研究では,適応線形スパンネットワーク(AdaLSN)を提案する。
AdaLSNは、精度とレイテンシのトレードオフを著しく高めることで、その汎用性を裏付ける。
また、エッジ検出や道路抽出といったイメージ・ツー・マスクのタスクに適用可能であることも示している。
論文 参考訳（メタデータ） (2020-11-08T12:51:14Z) - Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。
レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
論文 参考訳（メタデータ） (2020-02-25T14:06:27Z)
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。