論文の概要: Endoscopic Depth Estimation Based on Deep Learning: A Survey

• arxiv url: http://arxiv.org/abs/2507.20881v1
• Date: Mon, 28 Jul 2025 14:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:58.16154
• Title: Endoscopic Depth Estimation Based on Deep Learning: A Survey
• Title（参考訳）: 深層学習に基づく内視鏡的深度推定:サーベイ
• Authors: Ke Niu, Zeyun Liu, Xue Feng, Heng Li, Kaize Shi,
• Abstract要約: 内視鏡的深度推定は、最小侵襲手術の安全性と精度を向上させるための重要な技術である。 いくつかの関連調査が存在するにもかかわらず、最近のディープラーニングベースの技術に焦点を絞った総合的な概要はまだ限られている。 本論文は,最先端の文献を体系的にレビューすることで,このギャップを埋める試みである。
• 参考スコア（独自算出の注目度）: 3.1801587453753113
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Endoscopic depth estimation is a critical technology for improving the safety and precision of minimally invasive surgery. It has attracted considerable attention from researchers in medical imaging, computer vision, and robotics. Over the past decade, a large number of methods have been developed. Despite the existence of several related surveys, a comprehensive overview focusing on recent deep learning-based techniques is still limited. This paper endeavors to bridge this gap by systematically reviewing the state-of-the-art literature. Specifically, we provide a thorough survey of the field from three key perspectives: data, methods, and applications, covering a range of methods including both monocular and stereo approaches. We describe common performance evaluation metrics and summarize publicly available datasets. Furthermore, this review analyzes the specific challenges of endoscopic scenes and categorizes representative techniques based on their supervision strategies and network architectures. The application of endoscopic depth estimation in the important area of robot-assisted surgery is also reviewed. Finally, we outline potential directions for future research, such as domain adaptation, real-time implementation, and enhanced model generalization, thereby providing a valuable starting point for researchers to engage with and advance the field.
• Abstract（参考訳）: 内視鏡的深度推定は、最小侵襲手術の安全性と精度を向上させるための重要な技術である。 医学画像、コンピュータビジョン、ロボット工学の研究者からかなりの注目を集めている。 過去10年間で、多くの方法が開発されてきた。 いくつかの関連調査が存在するにもかかわらず、最近のディープラーニングベースの技術に焦点を絞った総合的な概要はまだ限られている。 本論文は,最先端の文献を体系的にレビューすることで,このギャップを埋める試みである。 具体的には、データ、メソッド、アプリケーションという3つの重要な視点から、単分子的アプローチとステレオ的アプローチの両方を含む様々な手法について、その分野を徹底的に調査する。 本稿では、一般的なパフォーマンス評価指標を説明し、公開データセットを要約する。 さらに,本研究では,内視鏡的シーンの具体的な課題を分析し,その監視戦略とネットワークアーキテクチャに基づいて代表的手法を分類する。 ロボット補助手術の重要領域における内視鏡的深度推定の応用についても概説した。 最後に,ドメイン適応,リアルタイム実装,モデル一般化などの今後の研究の方向性について概説する。

関連論文リスト

• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
  新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。 マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。 これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
  論文  参考訳（メタデータ） (2022-11-07T17:20:39Z)
• Nuclei & Glands Instance Segmentation in Histology Images: A Narrative Review [0.5893124686141781]
  組織像における核と腺のセグメンテーションは、計算病理のワークフローにおいて重要なステップである。 現代的なハードウェアの出現により、大規模で高品質な公開データセットが最近利用可能になり、組織化された大きな課題が自動化メソッドの急増に遭遇した。 この調査では,過去5年～2022年に公表された,原子核と腺のセグメンテーションに関するAIベースの手法を解説した126の論文を深く分析した。
  論文  参考訳（メタデータ） (2022-08-26T06:52:15Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Outdoor Monocular Depth Estimation: A Research Review [0.8749675983608171]
  本稿では, 利用可能なデータセット, 深度推定方法, 研究成果, トレンド, 課題, およびオープンリサーチに必要な機会について概説する。 我々の知る限り、公開調査では、屋外深度推定技術と研究範囲の総合的な収集は行われていない。
  論文  参考訳（メタデータ） (2022-05-03T10:10:08Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• On the Uncertain Single-View Depths in Endoscopies [12.779570691818753]
  内視鏡画像から深度を推定することは、幅広いAI支援技術の前提条件である。 本稿では,コロンコピーにおける一視点深度推定のためのベイズディープネットワークを初めて検討する。 1)3つのデータセットにおける深度推定のためのベイジアンディープ・ネットワークの網羅的分析を行い,合成から現実へのドメイン変更に関する課題と結論を明らかにするとともに,教師の不確かさを考慮に入れた新しい教師・学生による深度学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T14:24:17Z)
• Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
  我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。 特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
  論文  参考訳（メタデータ） (2021-05-27T18:05:12Z)

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。