論文の概要: Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos

• arxiv url: http://arxiv.org/abs/2503.22174v2
• Date: Fri, 23 May 2025 17:38:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 15:51:02.906421
• Title: Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos
• Title（参考訳）: 腹腔鏡下手術ビデオにおける相乗的出血領域と点検出
• Authors: Jialun Pei, Zhangjun Zhou, Diandian Guo, Zhixi Li, Jing Qin, Bo Du, Pheng-Ann Heng,
• Abstract要約: BlooDetは腹腔鏡下手術で出血部位と点を同時検出するように設計されている。 本フレームワークでは,Segment Anything Model 2をベースとした双方向双方向誘導設計を採用している。 実験では、SurgBloodでは、出血部位と点検出の両方で、ベースラインが12よりも優れています。
• 参考スコア（独自算出の注目度）: 58.52416525595543
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Intraoperative bleeding in laparoscopic surgery causes rapid obscuration of the operative field to hinder the surgical process and increases the risk of postoperative complications. Intelligent detection of bleeding areas can quantify the blood loss to assist decision-making, while locating bleeding points helps surgeons quickly identify the source of bleeding and achieve hemostasis in time to improve surgical success rates. In this study, we first construct a real-world laparoscopic surgical bleeding detection dataset, named SurgBlood, comprising 5,330 frames from 95 surgical video clips with bleeding region and point annotations. Accordingly, we develop a dual-task synergistic online detector called BlooDet, designed to perform simultaneous detection of bleeding regions and points in laparoscopic surgery. Our framework embraces a dual-branch bidirectional guidance design based on Segment Anything Model 2 (SAM 2). The mask branch detects bleeding regions through adaptive edge and point prompt embeddings, and the point branch leverages mask memory to induce bleeding point memory modeling and capture the direction of bleed point movement via inter-frame optical flow. By bidirectional guidance, the two branches explore potential spatial-temporal relationships while leveraging memory modeling to infer the current bleeding condition. Extensive experiments demonstrate that our baseline outperforms 12 counterparts on SurgBlood in both bleeding region and point detection.
• Abstract（参考訳）: 腹腔鏡下手術における術中出血は手術の過程を阻害し,術後合併症のリスクを増大させる。 出血部位のインテリジェントな検出は、血液の喪失を定量化して意思決定を支援する一方で、出血箇所の特定は、外科医が迅速に出血源を特定し、手術の成功率を向上させるのに役立つ。 本研究では,実世界の腹腔鏡下外科的出血検出データセット,SurgBloodを構築した。 そこで我々は,腹腔鏡下手術における出血部位と点の同時検出を目的とした,BlooDetというマルチタスク・シナジスティックオンライン検出器を開発した。 本フレームワークでは,Segment Anything Model 2 (SAM2) に基づく双方向の双方向誘導設計を採用している。 マスクブランチは、適応エッジおよびポイントプロンプト埋め込みを介して出血領域を検出し、ポイントブランチはマスクメモリを利用して出血点メモリモデリングを誘導し、フレーム間光フローを介して出血点運動の方向を捕捉する。 双方向誘導により、両枝は、現在の出血状態を予測するためにメモリモデリングを活用しながら、潜在的な空間的時間的関係を探索する。 SurgBloodでは出血部位と点検出の両方でベースラインが12に優れていた。

関連論文リスト

• ClassifyViStA:WCE Classification with Visual understanding through Segmentation and Attention [3.887356044145916]
  We propose ClassifyViStA, a AI-based framework designed for automated detection and classification of bleeding and non-bleeding frames from WCE video。 このモデルは、分類性能を高めるためにResNet18とVGG16アーキテクチャのアンサンブル上に構築されている。 我々のアプローチは、GI出血の検出を自動化するだけでなく、医療専門家の負担を軽減するための解釈可能なソリューションも提供します。
  論文  参考訳（メタデータ） (2024-12-24T18:45:14Z)
• Enhancing Diagnostic Precision in Gastric Bleeding through Automated Lesion Segmentation: A Deep DuS-KFCM Approach [20.416923956241497]
  本稿では,新しい深層学習モデルDual Spatial Kernelized Constrained Fuzzy C-Means (Deep DuS-KFCM)を提案する。 このシステムは、ニューラルネットワークをファジィ論理と相乗し、出血領域を高精度かつ効率的に同定する。 本モデルでは, 前例のない87.95%の精度と96.33%の特異性を示し,同時代のセグメンテーション法より優れていた。
  論文  参考訳（メタデータ） (2024-11-21T18:21:42Z)
• A dual-task mutual learning framework for predicting post-thrombectomy cerebral hemorrhage [42.24368372333753]
  患者の初回CT検査のみを用いて術後脳出血を計測するための新しい予測枠組みを提案する。 本手法では, 最新診断法よりも追跡CTの精度が向上し, 追跡診断ラベルの精度が86.37%向上した。
  論文  参考訳（メタデータ） (2024-08-01T22:08:52Z)
• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• HemoSet: The First Blood Segmentation Dataset for Automation of Hemostasis Management [26.312321557596224]
  HemoSetは、生きた動物のロボット手術中の出血に基づく最初の血液セグメンテーションデータセットである。 我々は、最先端のセグメンテーションモデルをいくつかベンチマークし、血液検出に特有の困難について考察する。
  論文  参考訳（メタデータ） (2024-03-24T20:31:42Z)
• Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
  ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。 本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-26T21:21:12Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)

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。