論文の概要: Automatic Tissue Differentiation in Parotidectomy using Hyperspectral Imaging

• arxiv url: http://arxiv.org/abs/2412.04879v1
• Date: Fri, 06 Dec 2024 09:20:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:55:09.324372
• Title: Automatic Tissue Differentiation in Parotidectomy using Hyperspectral Imaging
• Title（参考訳）: Hyperspectral Imaging を用いた耳下腺摘出術における組織自動分化
• Authors: Eric L. Wisotzky, Alexander Schill, Anna Hilsmann, Peter Eisert, Michael Knoke,
• Abstract要約: この研究では、400-1000$ nmの範囲で超スペクトルデータを持つ3次元畳み込みニューラルネットワークを用いる。 取得システムはステレオHSIシステムを作成する2台のマルチスペクトルスナップショットカメラで構成された。
• 参考スコア（独自算出の注目度）: 43.158227137013874
• License:
• Abstract: In head and neck surgery, continuous intraoperative tissue differentiation is of great importance to avoid injury to sensitive structures such as nerves and vessels. Hyperspectral imaging (HSI) with neural network analysis could support the surgeon in tissue differentiation. A 3D Convolutional Neural Network with hyperspectral data in the range of $400-1000$ nm is used in this work. The acquisition system consisted of two multispectral snapshot cameras creating a stereo-HSI-system. For the analysis, 27 images with annotations of glandular tissue, nerve, muscle, skin and vein in 18 patients undergoing parotidectomy are included. Three patients are removed for evaluation following the leave-one-subject-out principle. The remaining images are used for training, with the data randomly divided into a training group and a validation group. In the validation, an overall accuracy of $98.7\%$ is achieved, indicating robust training. In the evaluation on the excluded patients, an overall accuracy of $83.4\%$ has been achieved showing good detection and identification abilities. The results clearly show that it is possible to achieve robust intraoperative tissue differentiation using hyperspectral imaging. Especially the high sensitivity in parotid or nerve tissue is of clinical importance. It is interesting to note that vein was often confused with muscle. This requires further analysis and shows that a very good and comprehensive data basis is essential. This is a major challenge, especially in surgery.
• Abstract（参考訳）: 頭頸部外科では、神経や血管などの敏感な構造への傷害を避けるために、継続的な術中組織分化が重要である。 ハイパースペクトルイメージング(HSI)とニューラルネットワーク解析は、組織分化における外科医を支援する可能性がある。 この研究では、400-1000$ nmの範囲で超スペクトルデータを持つ3次元畳み込みニューラルネットワークを用いる。 取得システムはステレオHSIシステムを作成する2台のマルチスペクトルスナップショットカメラで構成された。 耳下腺摘出術を施行した18例の腺組織,神経,筋肉,皮膚,静脈のアノテーションを有する27枚の画像を含む。 退院の原則に従って評価のために3例を切除した。 残りの画像はトレーニングに使用され、データはトレーニンググループと検証グループにランダムに分割される。 検証では、総合的な精度が9,8.7 %$に達し、堅牢なトレーニングが示される。 除外患者に対する評価では, 総合的精度は83.4 %であり, 検出能力と識別能力は良好である。 以上の結果より,高スペクトル像を用いて,頑健な術中組織分化を達成できることが示唆された。 特に耳下腺や神経組織の高感度は臨床的に重要である。 血管が筋肉と混同されることが多かったことは興味深い。 これはさらなる分析を必要とし、非常に優れた包括的なデータ基盤が不可欠であることを示す。 これは特に手術において大きな課題である。

関連論文リスト

• 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)
• nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and Generalisation over Variations of Data Sources [25.095695898777656]
  我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。 このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。 実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-25T23:47:23Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Esophageal Tumor Segmentation in CT Images using Dilated Dense Attention Unet (DDAUnet) [3.0929226049096217]
  畳み込みニューラルネットワーク(CNN)を用いた食道癌全自動切除法を提案する。 提案するネットワークはDilated Dense Attention Unet (DDAUnet) と呼ばれ、各密ブロックにおける空間的およびチャネル的注意力を活用して、決定的特徴写像と領域に選択的に集中する。
  論文  参考訳（メタデータ） (2020-12-06T11:42:52Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• Computer-aided Tumor Diagnosis in Automated Breast Ultrasound using 3D Detection Network [18.31577982955252]
  良性腫瘍145例,悪性腫瘍273例の418例を対象に,本ネットワークの有効性を検証した。 実験により, ネットワークの感度は97.66%, 1.23偽陽性 (FPs) であり, 曲線(AUC) 値0.8720以下の領域を有することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T15:25:07Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。