論文の概要: Unsupervised Defect Detection for Surgical Instruments

• arxiv url: http://arxiv.org/abs/2509.21561v1
• Date: Thu, 25 Sep 2025 20:40:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:53.999856
• Title: Unsupervised Defect Detection for Surgical Instruments
• Title（参考訳）: 手術器具の非教師的欠陥検出
• Authors: Joseph Huang, Yichi Zhang, Jingxi Yu, Wei Chen, Seunghyun Hwang, Qiang Qiu, Amy R. Reibman, Edward J. Delp, Fengqing Zhu,
• Abstract要約: 本稿では,手術器具の非監視的欠陥検出手法に適応する汎用的手法を提案する。 背景マスキング,パッチベースの分析戦略,ドメイン適応の効率化により,本手法はこれらの制約を克服する。
• 参考スコア（独自算出の注目度）: 24.547211197229785
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ensuring the safety of surgical instruments requires reliable detection of visual defects. However, manual inspection is prone to error, and existing automated defect detection methods, typically trained on natural/industrial images, fail to transfer effectively to the surgical domain. We demonstrate that simply applying or fine-tuning these approaches leads to issues: false positive detections arising from textured backgrounds, poor sensitivity to small, subtle defects, and inadequate capture of instrument-specific features due to domain shift. To address these challenges, we propose a versatile method that adapts unsupervised defect detection methods specifically for surgical instruments. By integrating background masking, a patch-based analysis strategy, and efficient domain adaptation, our method overcomes these limitations, enabling the reliable detection of fine-grained defects in surgical instrument imagery.
• Abstract（参考訳）: 手術器具の安全性を確保するには、視覚的欠陥を確実に検出する必要がある。 しかし、手動検査は誤りを来しがちであり、既存の自動欠陥検出手法は、通常、自然/工業の画像に基づいて訓練されているが、手術領域に効果的に移動できない。 これらのアプローチを単純に適用または微調整すれば、テクスチャ化された背景から生じる偽陽性検出、小さな微妙な欠陥に対する感度の低下、ドメインシフトによる楽器特有の特徴の適切なキャプチャといった問題が発生することを実証する。 これらの課題に対処するために,手術器具に特有な教師なし欠陥検出手法を適応させる多目的手法を提案する。 背景マスキング,パッチベースの解析戦略,ドメイン適応の効率化により,これらの限界を克服し,手術器具画像の微細な欠陥を確実に検出することができる。

関連論文リスト

• NeRF-Based defect detection [6.72800891299482]
  本稿では,Neural Radiance Fields(NeRF)に基づく自動欠陥検出フレームワークとディジタルツインの概念を紹介する。 このシステムは、UAVを使って画像を取得し、機械の3Dモデルを再構成し、標準的な基準モデルと現在のモデルの両方を生成して比較する。
  論文  参考訳（メタデータ） (2025-03-31T22:27:51Z)
• A Study on Unsupervised Anomaly Detection and Defect Localization using Generative Model in Ultrasonic Non-Destructive Testing [0.0]
  構造物における人工材料の劣化は深刻な社会問題となっている。 レーザー超音波可視化試験(LUVT)は、超音波伝搬の可視化を可能にする。 本稿では,異常検出手法を用いたLUVT自動検査手法を提案する。
  論文  参考訳（メタデータ） (2024-05-26T14:14:35Z)
• Segment Anything in Defect Detection [38.85728242930962]
  DefectSAMは、ノイズの多い熱画像に欠陥を分割するための新しいアプローチである。 既存の最先端セグメンテーションアルゴリズムを超え、欠陥検出率を大幅に改善する。
  論文  参考訳（メタデータ） (2023-11-17T00:28:19Z)
• Gravity Network for end-to-end small lesion detection [50.38534263407915]
  本稿では,医療画像の小さな病変を特異的に検出するワンステージエンド・ツー・エンド検出器を提案する。 小さな病変の正確な局在化は、その外観と、それらが見つかる様々な背景によって困難を呈する。 この新たなアーキテクチャをGravityNetと呼び、新しいアンカーを重力点と呼ぶ。
  論文  参考訳（メタデータ） (2023-09-22T14:02:22Z)
• On the Effectiveness of Image Manipulation Detection in the Age of Social Media [9.227950734832447]
  操作検出アルゴリズムは、画像内の他の非干渉領域と十分に異なる'操作された領域に依存していることが多い。 本稿では,ディープラーニングと学習自由な手法の詳細な分析を行い,その性能をベンチマークデータセット上で評価する。 本稿では,操作領域に存在する異常をアクセント化する,ディープラーニングに基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2023-04-19T04:05:54Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Failure Detection in Medical Image Classification: A Reality Check and Benchmarking Testbed [23.25084022554028]
  自動画像分類における故障検出は、臨床展開にとって重要な安全策である。 その最重要さにもかかわらず、テストタイムの失敗を検出する最先端の信頼度評価手法の能力に関する証拠は不十分である。 本稿では,ドメイン内誤分類検出手法の性能を実証する現実チェックを提案する。
  論文  参考訳（メタデータ） (2022-05-27T16:50:48Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)
• VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
  偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。 前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
  論文  参考訳（メタデータ） (2020-05-20T21:17:43Z)

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。