論文の概要: Visualizing Uncertainty in Image Guided Surgery a Review

• arxiv url: http://arxiv.org/abs/2501.06280v1
• Date: Fri, 10 Jan 2025 15:16:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:22:34.248833
• Title: Visualizing Uncertainty in Image Guided Surgery a Review
• Title（参考訳）: 画像ガイド下手術における不確かさの可視化
• Authors: Mahsa Geshvadi,
• Abstract要約: 腫瘍切除手術の間、外科医は脳内の腫瘍やその他の重要な構造を見つけるために神経ナビゲーションに頼る。 神経ナビゲーションは、脳のGPSのように作用し、手術中に神経外科医を誘導する。 浸透圧濃度、液量、組織切除などの要因によって引き起こされる動的変形である脳のシフトは、術前のイメージを無効にすることができる。 この不確実性を考慮し、効果的に可視化することは、外科医が再びナビゲーションを信頼するのに役立つ可能性がある。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: During tumor resection surgery, surgeons rely on neuronavigation to locate tumors and other critical structures in the brain. Most neuronavigation is based on preoperative images, such as MRI and ultrasound, to navigate through the brain. Neuronavigation acts like GPS for the brain, guiding neurosurgeons during the procedure. However, brain shift, a dynamic deformation caused by factors such as osmotic concentration, fluid levels, and tissue resection, can invalidate the preoperative images and introduce registration uncertainty. Considering and effectively visualizing this uncertainty has the potential to help surgeons trust the navigation again. Uncertainty has been studied in various domains since the 19th century. Considering uncertainty requires two essential components: 1) quantifying uncertainty; and 2) conveying the quantified values to the observer. There has been growing interest in both of these research areas during the past few decades.
• Abstract（参考訳）: 腫瘍切除手術の間、外科医は脳内の腫瘍やその他の重要な構造を見つけるために神経ナビゲーションに頼る。 ほとんどの神経ナビゲーションは、MRIや超音波などの術前画像に基づいて脳をナビゲートする。 神経ナビゲーションは、脳のGPSのように作用し、手術中に神経外科医を誘導する。 しかし、浸透圧濃度、液量、組織切除などの要因によって引き起こされる動的変形である脳のシフトは、術前のイメージを無効にし、登録の不確実性をもたらす可能性がある。 この不確実性を考慮し、効果的に可視化することは、外科医が再びナビゲーションを信頼するのに役立つ可能性がある。 19世紀以降、諸藩で不確かさが研究されている。 不確実性を考慮するには2つの重要な要素が必要です 1)不確実性の定量化,及び 2) 定量化された値を観察者に伝達すること。 過去数十年間、この2つの研究分野への関心が高まっている。

関連論文リスト

• Predicting Human Brain States with Transformer [45.25907962341717]
  自己注意に基づくモデルでは、以前の21.6sで5.04sまでの脳状態を正確に予測できることが示される。 これらの有望な初期結果は、fMRIデータに対するジェネリックモデルの開発の可能性を示している。
  論文  参考訳（メタデータ） (2024-12-11T00:18:39Z)
• Efficient Feature Extraction and Classification Architecture for MRI-Based Brain Tumor Detection [0.23301643766310373]
  脳MRIは、腫瘍の存在や欠如を明らかにするのに不正確であることが知られている。 本研究では,腫瘍の存在を特定するために,畳み込みニューラルネットワーク(CNN)を訓練した。 CNNモデルの結果、99.17%の精度を示した。
  論文  参考訳（メタデータ） (2024-10-30T00:47:32Z)
• Brain Tumor Segmentation Based on Deep Learning, Attention Mechanisms, and Energy-Based Uncertainty Prediction [0.0]
  脳腫瘍は、死亡率80%を超える最も致命的ながんの1つである。 医学的分析では、脳腫瘍の手動アノテーションとセグメンテーションは複雑な作業である。 本稿では,データ前処理中に実装された関心領域検出アルゴリズムを提案する。 ソフトアテンションを持つ完全畳み込みオートエンコーダは、異なる脳MRIをセグメント化する。
  論文  参考訳（メタデータ） (2023-12-31T20:42:52Z)
• 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)
• Convolutional XGBoost (C-XGBOOST) Model for Brain Tumor Detection [0.0]
  本研究では、畳み込みニューラルネットワーク(CNN)と極勾配増強(XGBoost)を組み合わせた脳腫瘍早期検出モデルを提案する。 C-XGBoostという名前のモデルでは、純粋にCNNよりもモデルの複雑さが低く、トレーニングが容易で、過度に適合する傾向が低い。 また、実際の医用画像分類タスクにおいて一般的な問題である、不均衡データや非構造データを扱うことも可能である。
  論文  参考訳（メタデータ） (2023-01-05T22:25:28Z)
• Emotional Brain State Classification on fMRI Data Using Deep Residual and Convolutional Networks [0.8411385346896412]
  情緒的脳状態をデコードするための2つの畳み込みに基づくアプローチを開発した。 これらのアプローチは、脳コンピューターインタフェースやリアルタイムfMRIニューロフィードバック研究で使われる可能性がある。
  論文  参考訳（メタデータ） (2022-10-31T02:08:02Z)
• 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)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
  本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。 予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。 本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
  論文  参考訳（メタデータ） (2021-08-11T18:08:09Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。