論文の概要: Automated vision-based assistance tools in bronchoscopy: stenosis severity estimation

• arxiv url: http://arxiv.org/abs/2505.05136v1
• Date: Thu, 08 May 2025 11:13:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.854364
• Title: Automated vision-based assistance tools in bronchoscopy: stenosis severity estimation
• Title（参考訳）: 気管支内視鏡における自動視覚支援ツール:狭窄重症度推定
• Authors: Clara Tomasini, Javier Rodriguez-Puigvert, Dinora Polanco, Manuel Viñuales, Luis Riazuelo, Ana Cristina Murillo,
• Abstract要約: 声門下狭窄 (subglottic stenosis) は声帯と気管の間の気道である。 気管支鏡画像による声門下狭窄の重症度自動測定は,このパイプラインが初めてである。
• 参考スコア（独自算出の注目度）: 2.539920413471809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Subglottic stenosis refers to the narrowing of the subglottis, the airway between the vocal cords and the trachea. Its severity is typically evaluated by estimating the percentage of obstructed airway. This estimation can be obtained from CT data or through visual inspection by experts exploring the region. However, visual inspections are inherently subjective, leading to less consistent and robust diagnoses. No public methods or datasets are currently available for automated evaluation of this condition from bronchoscopy video. Methods: We propose a pipeline for automated subglottic stenosis severity estimation during the bronchoscopy exploration, without requiring the physician to traverse the stenosed region. Our approach exploits the physical effect of illumination decline in endoscopy to segment and track the lumen and obtain a 3D model of the airway. This 3D model is obtained from a single frame and is used to measure the airway narrowing. Results: Our pipeline is the first to enable automated and robust subglottic stenosis severity measurement using bronchoscopy images. The results show consistency with ground-truth estimations from CT scans and expert estimations, and reliable repeatability across multiple estimations on the same patient. Our evaluation is performed on our new Subglottic Stenosis Dataset of real bronchoscopy procedures data. Conclusion: We demonstrate how to automate evaluation of subglottic stenosis severity using only bronchoscopy. Our approach can assist with and shorten diagnosis and monitoring procedures, with automated and repeatable estimations and less exploration time, and save radiation exposure to patients as no CT is required. Additionally, we release the first public benchmark for subglottic stenosis severity assessment.
• Abstract（参考訳）: 目的:声門下狭窄 (subglottic stenosis) とは声帯と気管の間の気道が狭まることを指す。 その重症度は通常、閉塞された気道の割合を推定することによって評価される。 この推定は、CTデータや、地域を探索する専門家による視覚検査から得ることができる。 しかし、視覚検査は本質的に主観的であり、一貫性が低く堅牢な診断につながる。 現在、気管支鏡によるこの状態の自動評価のために、パブリックメソッドやデータセットは利用できない。 方法: 気管支鏡下手術中における声門下狭窄の重症度自動推定のためのパイプラインを, 医師が狭窄部位を横切ることなく提案する。 本手法は, 内視鏡検査における照明低下の物理的効果を利用して, 路面の分画と追跡を行い, 気道の3次元モデルを得る。 この3Dモデルは、単一のフレームから取得され、気道絞りを測定するために使用される。 結果:本パイプラインは気管支鏡画像による声門下狭窄の重症度自動測定を初めて実施した。 以上の結果から,CTスキャンと専門的評価から得られた地中構造と整合性を示し,同一患者の複数の推定値にまたがる信頼性の高い再現性を示した。 本研究は, 気管支鏡下気管支鏡下手術データを用いた新しい声門下狭窄データセットを用いて評価を行った。 結論:気管支鏡のみを用いて声門下狭窄の重症度を自動評価する方法を実証した。 提案手法は, 診断・モニタリングの手順を手伝うとともに, 自動的かつ反復的な推定が可能であり, 探索時間も少なく, CTを必要とせず, 患者への放射線被曝を軽減できる。 また,声門下狭窄重症度評価のための最初の公開ベンチマークを公表した。

関連論文リスト

• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [15.790010627377262]
  肺結節は肺癌の早期診断における重要な指標である。 従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。 肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
  論文  参考訳（メタデータ） (2024-09-21T06:08:23Z)
• PANS: Probabilistic Airway Navigation System for Real-time Robust Bronchoscope Localization [4.755280006199144]
  気管支鏡の局所化のための新しい確率的気道ナビゲーションシステム(PANS)を提案する。 私たちのPANSは、DMI(Depth-based Motion Inference)とBSA(Bronchial Semantic Analysis)という2つの重要なモジュールを活用することで、多様な視覚表現を取り入れています。 この確率的定式化では,6-DOF気管支鏡の局所化を精度と堅牢性で達成できる。
  論文  参考訳（メタデータ） (2024-07-08T02:13:41Z)
• CT-3DFlow : Leveraging 3D Normalizing Flows for Unsupervised Detection of Pathological Pulmonary CT scans [37.69303106863453]
  正規化フロー(NF)は、非可逆アーキテクチャを通じてトレーニング例の確率分布を直接学習する能力を持つ。 我々はこの特性をCT-3DFlowと呼ばれる新しい3次元NFモデルで利用し、特に胸部CTデータにおける患者レベルの肺病理診断に特化している。 本モデルは健康な3次元肺CTパッチで教師なしの訓練を行い,異常としてログ状分布から逸脱を検出する。
  論文  参考訳（メタデータ） (2024-03-27T12:44:57Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• 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)
• Airway Label Prediction in Video Bronchoscopy: Capturing Temporal Dependencies Utilizing Anatomical Knowledge [0.0]
  本稿では,気管支鏡画像データのみを取り入れたナビゲーションガイダンスについて述べる。 気道樹の解剖学的制約を最大限に活用する。 我々は、個々のフレームに基づく分類において、0.81と比較して、最大0.98まで精度を向上することができる。
  論文  参考訳（メタデータ） (2023-07-17T08:26:36Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• 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)

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。