論文の概要: BleedOrigin: Dynamic Bleeding Source Localization in Endoscopic Submucosal Dissection via Dual-Stage Detection and Tracking
- arxiv url: http://arxiv.org/abs/2507.15094v1
- Date: Sun, 20 Jul 2025 19:19:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.193558
- Title: BleedOrigin: Dynamic Bleeding Source Localization in Endoscopic Submucosal Dissection via Dual-Stage Detection and Tracking
- Title（参考訳）: BleedOrigin:Dual-Stage Detection and Trackingによる内視鏡下粘膜郭清術における動的出血源の局在
- Authors: Mengya Xu, Rulin Zhou, An Wang, Chaoyang Lyu, Zhen Li, Ning Zhong, Hongliang Ren,
- Abstract要約: 内視鏡下粘膜下郭清術の術中出血は重要な危険因子である。
現在の人工知能(AI)法は主に出血領域のセグメンテーションに焦点を当てている。
BleedOrigin-Netは、ESDプロシージャにおける出血源ローカライゼーションのための新しい2段階検出追跡フレームワークである。
- 参考スコア（独自算出の注目度）: 8.907611589269706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intraoperative bleeding during Endoscopic Submucosal Dissection (ESD) poses significant risks, demanding precise, real-time localization and continuous monitoring of the bleeding source for effective hemostatic intervention. In particular, endoscopists have to repeatedly flush to clear blood, allowing only milliseconds to identify bleeding sources, an inefficient process that prolongs operations and elevates patient risks. However, current Artificial Intelligence (AI) methods primarily focus on bleeding region segmentation, overlooking the critical need for accurate bleeding source detection and temporal tracking in the challenging ESD environment, which is marked by frequent visual obstructions and dynamic scene changes. This gap is widened by the lack of specialized datasets, hindering the development of robust AI-assisted guidance systems. To address these challenges, we introduce BleedOrigin-Bench, the first comprehensive ESD bleeding source dataset, featuring 1,771 expert-annotated bleeding sources across 106,222 frames from 44 procedures, supplemented with 39,755 pseudo-labeled frames. This benchmark covers 8 anatomical sites and 6 challenging clinical scenarios. We also present BleedOrigin-Net, a novel dual-stage detection-tracking framework for the bleeding source localization in ESD procedures, addressing the complete workflow from bleeding onset detection to continuous spatial tracking. We compare with widely-used object detection models (YOLOv11/v12), multimodal large language models, and point tracking methods. Extensive evaluation demonstrates state-of-the-art performance, achieving 96.85% frame-level accuracy ($\pm\leq8$ frames) for bleeding onset detection, 70.24% pixel-level accuracy ($\leq100$ px) for initial source detection, and 96.11% pixel-level accuracy ($\leq100$ px) for point tracking.
- Abstract（参考訳）: 内視鏡下粘膜下郭清術 (ESD) の術中出血は著明なリスクを伴い, 出血源の精密かつリアルタイムな局所化と連続的モニタリングが望まれる。
特に、内科医は血液を浄化するために繰り返し流し込まなければならないため、手術を延長し患者のリスクを高める非効率なプロセスである出血源を特定できるのはミリ秒のみである。
しかし、現在のAI(Artificial Intelligence)手法は主に出血領域のセグメンテーションに重点を置いており、難易度の高いESD環境において正確な出血源の検出と時間追跡の要点を見落としている。
このギャップは、専門的なデータセットの欠如によって拡大され、堅牢なAI支援ガイダンスシステムの開発を妨げる。
これらの課題に対処するために、44のプロシージャから106,222のフレームに1,771人の専門家がアノテートした出血源を39,755の擬似ラベルのフレームで補足した、最初の包括的なESD出血源データセットであるBleedOrigin-Benchを紹介した。
このベンチマークは8つの解剖学的部位と6つの難しい臨床シナリオをカバーする。
我々はまた、ESDプロシージャにおける出血源位置決めのための新しい2段階検出追跡フレームワークであるBleedOrigin-Netを紹介し、出血発生検出から連続空間追跡までの完全なワークフローに対処する。
広範に使われているオブジェクト検出モデル(YOLOv11/v12)、多モーダルな大言語モデル、点追跡手法を比較した。
大規模な評価は最先端のパフォーマンスを示し、出血のオンセット検出には96.85%のフレームレベル精度(\pm\leq8$ frames)、初期ソース検出には70.24%のピクセルレベル精度(\leq100$ px)、ポイントトラッキングには96.11%のピクセルレベル精度(\leq100$ px)を達成している。
関連論文リスト
- Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。
本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
論文 参考訳（メタデータ） (2025-08-01T00:45:46Z) - Synergistic Bleeding Region and Point Detection in Laparoscopic Surgical Videos [58.52416525595543]
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。
論文 参考訳（メタデータ） (2025-03-28T06:27:55Z) - 3D Convolutional Neural Networks for Improved Detection of Intracranial bleeding in CT Imaging [0.0]
脳内出血(Intracranial bleeding, IB)は、外傷性脳損傷によって引き起こされる致命的な疾患である。
従来のイメージングは遅く、特に高圧のシナリオでは変動しがちである。
本稿では、緊急時にIB検出を変換するAIの役割について説明する。
論文 参考訳（メタデータ） (2025-03-26T08:10:29Z) - A Novel Tracking Framework for Devices in X-ray Leveraging Supplementary Cue-Driven Self-Supervised Features [6.262161803642583]
本稿では,その時間的可視性を高める自己教師型学習手法を提案する。
本稿では,事前学習した時間ネットワークを効果的に活用する汎用リアルタイム追跡フレームワークを提案する。
バルーンマーカー検出の最大誤差は87%,カテーテル先端検出の最大誤差は61%減少する。
論文 参考訳（メタデータ） (2025-01-22T15:32:07Z) - 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) - Weakly Supervised Intracranial Hemorrhage Segmentation with YOLO and an Uncertainty Rectified Segment Anything Model [0.5578116134031106]
頭蓋内出血(ICH)は、治療成績と生存率を改善するために、迅速かつ正確な診断を必要とする生命予後である。
近年, 教師付き深層学習の進歩により, 医用画像の解析が大幅に向上した。
大量の専門家準備セグメンテーションデータの必要性を軽減するため、我々は弱い教師付きICHセグメンテーション法を開発した。
論文 参考訳（メタデータ） (2024-07-29T23:40:13Z) - 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) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳（メタデータ） (2022-01-31T14:27:35Z) - 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) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - NADS: Neural Architecture Distribution Search for Uncertainty Awareness [79.18710225716791]
機械学習(ML)システムは、トレーニングデータとは異なるディストリビューションから来るテストデータを扱う場合、しばしばOoD(Out-of-Distribution)エラーに遭遇する。
既存のOoD検出アプローチはエラーを起こしやすく、時にはOoDサンプルに高い確率を割り当てることもある。
本稿では,すべての不確実性を考慮したアーキテクチャの共通構築ブロックを特定するために,ニューラルアーキテクチャ分布探索(NADS)を提案する。
論文 参考訳（メタデータ） (2020-06-11T17:39:07Z)
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。