論文の概要: BREA-Depth: Bronchoscopy Realistic Airway-geometric Depth Estimation

• arxiv url: http://arxiv.org/abs/2509.11885v1
• Date: Mon, 15 Sep 2025 13:02:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.29607
• Title: BREA-Depth: Bronchoscopy Realistic Airway-geometric Depth Estimation
• Title（参考訳）: BREA-Depth:Bronchoscopy Realistic Airway-Geometric Depth Estimation
• Authors: Francis Xiatian Zhang, Emile Mackute, Mohammadreza Kasaei, Kevin Dhaliwal, Robert Thomson, Mohsen Khadem,
• Abstract要約: Brea-Depthは、気道特異な幾何学的先行を基礎モデル適応に組み込んだ、気管支鏡による深度推定のための新しいフレームワークである。 そこで本手法では,深度を意識したCycleGANを導入し,解剖学的データから実際の気管支鏡像と気道ジオメトリーの翻訳を精査する。 解剖学的な先入観を取り入れることで、ブレア・ディープスはモデルの一般化を強化し、より堅牢で正確な3次元気道再構築をもたらす。
• 参考スコア（独自算出の注目度）: 7.685220083971859
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monocular depth estimation in bronchoscopy can significantly improve real-time navigation accuracy and enhance the safety of interventions in complex, branching airways. Recent advances in depth foundation models have shown promise for endoscopic scenarios, yet these models often lack anatomical awareness in bronchoscopy, overfitting to local textures rather than capturing the global airway structure, particularly under ambiguous depth cues and poor lighting. To address this, we propose Brea-Depth, a novel framework that integrates airway-specific geometric priors into foundation model adaptation for bronchoscopic depth estimation. Our method introduces a depth-aware CycleGAN, refining the translation between real bronchoscopic images and airway geometries from anatomical data, effectively bridging the domain gap. In addition, we introduce an airway structure awareness loss to enforce depth consistency within the airway lumen while preserving smooth transitions and structural integrity. By incorporating anatomical priors, Brea-Depth enhances model generalization and yields more robust, accurate 3D airway reconstructions. To assess anatomical realism, we introduce Airway Depth Structure Evaluation, a new metric for structural consistency. We validate BREA-Depth on a collected ex vivo human lung dataset and an open bronchoscopic dataset, where it outperforms existing methods in anatomical depth preservation.
• Abstract（参考訳）: 気管支鏡における単眼深度推定は、リアルタイムナビゲーション精度を著しく向上させ、複雑で分岐した気道における介入の安全性を高めることができる。 近年の深度基礎モデルの進歩は内視鏡的シナリオへの期待を示しているが、これらのモデルは気管支鏡における解剖学的認識を欠くことが多く、特にあいまいな深度と照明不足の下では、グローバルな気道構造を捉えるのではなく、局所的なテクスチャに過度に適合している。 そこで本研究では,気道特異な幾何学的先行点を基礎モデル適応に組み込んだ,気管支鏡下深度推定のための新しいフレームワークであるBrea-Depthを提案する。 本手法では, 解剖学的データから実際の気管支鏡像と気道形状の翻訳を精査し, ドメインギャップを効果的に埋める。 さらに,スムーズな遷移と構造的整合性を維持しつつ,気道路内の深さの整合性を確保するために気道構造認識損失を導入する。 解剖学的な先入観を取り入れることで、ブレア・ディープスはモデルの一般化を強化し、より堅牢で正確な3次元気道再構築をもたらす。 解剖学的リアリズムを評価するために,構造的整合性を示す新しい指標であるエアウェイ深さ構造評価を導入する。 BREA-Depthは,ヒトの肺標本と開気管支鏡的データセットで評価され,解剖学的深度保存法よりも優れていた。

関連論文リスト

• EndoUFM: Utilizing Foundation Models for Monocular depth estimation of endoscopic images [7.350425834778092]
  EndoUFMは、教師なしの単眼深度推定フレームワークである。 強力な事前学習先を活用することにより、深さ推定性能を向上させる。 この研究は、最小侵襲の手術において、外科医の空間的知覚を増大させるのに寄与する。
  論文  参考訳（メタデータ） (2025-08-25T11:33:05Z)
• Are Pixel-Wise Metrics Reliable for Sparse-View Computed Tomography Reconstruction? [50.68335638232752]
  解剖学的構造全体にわたる構造的完全性を評価するために,解剖学的評価尺度の組を提案する。 CAREは、重要な構造物の解剖学的保存を促進するために、訓練中に構造的罰則を取り入れている。 CAREはCT再建における構造的完全性を大幅に改善し、大臓器では+32%、小臓器では+22%、小腸では+40%、血管では+36%となる。
  論文  参考訳（メタデータ） (2025-06-02T17:07:10Z)
• Self-supervised Monocular Depth and Pose Estimation for Endoscopy with Generative Latent Priors [10.61978045582697]
  内視鏡における3Dマッピングは、消化管(GI)内の定量的、全体的病変のキャラクタリゼーションを可能にする。 既存の合成データセットや複雑なモデルに依存する手法は、しばしば内視鏡的条件に挑戦する際の一般化性に欠ける。 本稿では,多変量オートエンコーダと生成潜在銀行を組み込んだ,頑健な自己監督型単眼深度とポーズ推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-26T15:43:06Z)
• Advancing Depth Anything Model for Unsupervised Monocular Depth Estimation in Endoscopy [2.906891207990726]
  本稿では,Depth Anything Modelのための新しい微調整戦略を提案する。 本手法は本態性に基づく教師なし単眼深度推定フレームワークと統合する。 提案手法は,トレーニング可能なパラメータ数を最小化しつつ,最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-09-12T03:04:43Z)
• ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
  そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。 以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-23T14:24:26Z)
• 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)
• 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)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
  そこで本研究では,深度推定のためのドメイン適応手法を提案する。 提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。 実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
  論文  参考訳（メタデータ） (2021-09-24T08:11:34Z)

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。