論文の概要: Generative data augmentation for biliary tract detection on intraoperative images

• arxiv url: http://arxiv.org/abs/2509.18958v1
• Date: Tue, 23 Sep 2025 13:11:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.851442
• Title: Generative data augmentation for biliary tract detection on intraoperative images
• Title（参考訳）: 術中画像における胆道検出のための生成データ拡張
• Authors: Cristina Iacono, Mariarosaria Meola, Federica Conte, Laura Mecozzi, Umberto Bracale, Pietro Falco, Fanny Ficuciello,
• Abstract要約: 胆嚢摘出術は消化管手術において最も頻繁に施行される手術の1つである。 腹腔鏡下アプローチは胆管損傷のリスクが高く、生命の質や生存に重大な影響を及ぼす。 本研究は,術中取得した白光画像から胆道の局所化にディープラーニングアプローチを活用することで,この問題に対処することを目的とする。
• 参考スコア（独自算出の注目度）: 3.7632366863749662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cholecystectomy is one of the most frequently performed procedures in gastrointestinal surgery, and the laparoscopic approach is the gold standard for symptomatic cholecystolithiasis and acute cholecystitis. In addition to the advantages of a significantly faster recovery and better cosmetic results, the laparoscopic approach bears a higher risk of bile duct injury, which has a significant impact on quality of life and survival. To avoid bile duct injury, it is essential to improve the intraoperative visualization of the bile duct. This work aims to address this problem by leveraging a deep-learning approach for the localization of the biliary tract from white-light images acquired during the surgical procedures. To this end, the construction and annotation of an image database to train the Yolo detection algorithm has been employed. Besides classical data augmentation techniques, the paper proposes Generative Adversarial Network (GAN) for the generation of a synthetic portion of the training dataset. Experimental results have been discussed along with ethical considerations.
• Abstract（参考訳）: 腹腔鏡下腹腔鏡下腹腔鏡下胆嚢摘出術は腹腔鏡下胆嚢摘出術と急性胆嚢炎に対する金の基準である。 著明な回復と美容性の改善の利点に加えて、腹腔鏡下アプローチは胆管損傷のリスクが高く、生命の質や生存に重大な影響を及ぼす。 胆管損傷を避けるためには,胆管の術中可視化の改善が不可欠である。 本研究は,術中取得した白光画像から胆道の局所化にディープラーニングアプローチを活用することで,この問題に対処することを目的とする。 この目的のために、ヨロ検出アルゴリズムを訓練するための画像データベースの構築とアノテーションが採用されている。 学習データセットの合成部分を生成するためのGAN(Generative Adversarial Network)を提案する。 倫理的考察とともに実験結果が議論されている。

関連論文リスト

• PIVOTS: Aligning unseen Structures using Preoperative to Intraoperative Volume-To-Surface Registration for Liver Navigation [11.658316634846697]
  PIVOTSは、変形予測の入力として点雲を取るニューラルネットワークである。 生体力学シミュレーションパイプラインからシミュレーションした合成データに基づいてニューラルネットワークをトレーニングする。 その結果,ベースライン法よりも優れた登録性能が得られた。
  論文  参考訳（メタデータ） (2025-07-27T16:01:26Z)
• Benchmarking Laparoscopic Surgical Image Restoration and Beyond [54.28852320829451]
  腹腔鏡下手術では、明瞭で高品質な視野が外科医の正確な判断に不可欠である。 持続的な視覚劣化、例えば、エネルギー装置によって発生する煙、熱勾配から光るレンズ、およびレンズ汚染は患者の安全に危険をもたらす。 本稿では,SurgCleanと呼ばれる腹腔鏡下環境を対象とするオープンソースの手術画像復元データセットについて紹介する。
  論文  参考訳（メタデータ） (2025-05-25T14:17:56Z)
• SSDD-GAN: Single-Step Denoising Diffusion GAN for Cochlear Implant Surgical Scene Completion [4.250558597144547]
  本研究は, 人工乳頭切除データセットの外科的シーンを完了するための効率的な方法を提案する。 我々のアプローチは、実際の外科的データセットにおける自己教師付き学習を活用して、単一ステップのDNOD-GAN(SSDD-GAN)を訓練する。 トレーニングされたモデルは、ゼロショットアプローチを用いて、合成後乳頭切除データセットに直接適用される。
  論文  参考訳（メタデータ） (2025-02-08T22:04:22Z)
• 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)
• Detecting the Sensing Area of A Laparoscopic Probe in Minimally Invasive Cancer Surgery [6.0097646269887965]
  外科腫瘍学では、外科医がリンパ節を同定し、がんを完全に切除することは困難である。 新しいテザリングラパロスコープガンマ検出器を用いて、術前に注入された放射線を局在させる。 ガンマ活動の可視化は、プローブが非イメージングであり、組織表面の活性を視覚的に示さないため、オペレーターに提示することが困難である。
  論文  参考訳（メタデータ） (2023-07-07T15:33:49Z)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• 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)
• GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification [3.0100246737240877]
  本研究では,GANインバージョンによって生成された合成大腸内視鏡像をトレーニングデータとして利用することにより,ディープラーニングモデルの病変分類性能を向上させることができることを示す。 このアプローチは、同じラベルを持つ一対のイメージを意味的にリッチで不整合な潜在空間に逆転させ、潜在表現を操作して、同じラベルを持つ新しい合成画像を生成する。 また,トレーニングデータセットにおける病変形状の多様性を高めるために,元のトレーニング画像間の補間により,現実的な合成病変画像を生成する。
  論文  参考訳（メタデータ） (2022-05-04T23:15:45Z)

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。