論文の概要: Cholec80-port: A Geometrically Consistent Trocar Port Segmentation Dataset for Robust Surgical Scene Understanding

• arxiv url: http://arxiv.org/abs/2602.17060v1
• Date: Thu, 19 Feb 2026 04:03:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.625571
• Title: Cholec80-port: A Geometrically Consistent Trocar Port Segmentation Dataset for Robust Surgical Scene Understanding
• Title（参考訳）: Cholec80-port:ロバスト手術シーン理解のための幾何学的に一貫性のあるトロカーポートセグメンテーションデータセット
• Authors: Shunsuke Kikuchi, Atsushi Kouno, Hiroki Matsuzaki,
• Abstract要約: Cholec80-portは、Colec80から派生した高忠実度トロカーポートセグメンテーションデータセットである。 我々はまた、同じSOPの下で既存の公開データセットをクリーン化し、統一する実験を行い、幾何学的に一貫したアノテーションが、データセット間の堅牢性を大幅に改善することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Trocar ports are camera-fixed, pseudo-static structures that can persistently occlude laparoscopic views and attract disproportionate feature points due to specular, textured surfaces. This makes ports particularly detrimental to geometry-based downstream pipelines such as image stitching, 3D reconstruction, and visual SLAM, where dynamic or non-anatomical outliers degrade alignment and tracking stability. Despite this practical importance, explicit port labels are rare in public surgical datasets, and existing annotations often violate geometric consistency by masking the central lumen (opening), even when anatomical regions are visible through it. We present Cholec80-port, a high-fidelity trocar port segmentation dataset derived from Cholec80, together with a rigorous standard operating procedure (SOP) that defines a port-sleeve mask excluding the central opening. We additionally cleanse and unify existing public datasets under the same SOP. Experiments demonstrate that geometrically consistent annotations substantially improve cross-dataset robustness beyond what dataset size alone provides.
• Abstract（参考訳）: トロカーポートは、カメラで固定された擬似静電構造で、腹腔鏡の視界を持続的に遮蔽し、特異でテクスチャ化された表面のために不均質な特徴点を引き付けることができる。 これにより、画像縫合、3D再構成、視覚SLAMのような幾何学に基づく下流パイプラインに特に有害なポートとなり、動的または非解剖学的外れ値がアライメントとトラッキングの安定性を低下させる。 この実際的な重要性にもかかわらず、公的な外科的データセットでは明示的なポートラベルはまれであり、既存のアノテーションは、解剖学的領域がそれを通して見える場合でも、中央のルーメン(開口部)を隠蔽することで、幾何学的整合性に反することが多い。 我々はColec80から派生した高忠実度トロカーポートセグメンテーションデータセットであるColec80-portと、中心開口部を除くポートリーブマスクを定義する厳密な標準操作手順(SOP)について述べる。 また、同じSOPの下で既存の公開データセットをクリーン化し、統一します。 実験により、幾何的に一貫性のあるアノテーションは、データセットのサイズだけでなく、データセット間の堅牢性を大幅に改善することが示された。

関連論文リスト

• Anatomy Aware Cascade Network: Bridging Epistemic Uncertainty and Geometric Manifold for 3D Tooth Segmentation [13.650721192161079]
  境界のあいまいさを解消し,グローバルな構造的整合性を維持するために,AACNet(Anatomy Aware Cascade Network)を提案する。 AACNetは90.17 %のDice類似度係数と95%のHausdorff Distanceの3.63 mmを実現し,最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-01-12T12:53:27Z)
• Source-Only Cross-Weather LiDAR via Geometry-Aware Point Drop [0.7734726150561086]
  LiDARセマンティックセグメンテーションは、屈折、散乱、点降下が幾何を損なうため、悪天候で劣化する。 本稿では,アジマスをアジマスに整列させ,隣接する連続性を維持するために円形のパディングを施した光幾何対応アダプタを提案する。 このアダプタは、データ中心の増分ベースラインでmIoUを7.9ポイント、クラス中心の正規化ベースラインで0.6ポイント改善する。
  論文  参考訳（メタデータ） (2025-11-03T05:44:07Z)
• Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
  汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。 近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。 本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-27T09:05:28Z)
• STAR-Edge: Structure-aware Local Spherical Curve Representation for Thin-walled Edge Extraction from Unstructured Point Clouds [20.484401728812376]
  薄肉構造体におけるエッジ点の検出と精錬のための新しいアプローチであるSTAR-Edgeを紹介する。 提案手法は, 局所球面曲線のユニークな表現を活用し, 構造認識近傍を創出する。 ABCデータセットと薄肉構造特化データセットで実施された実験は、STAR-Edgeが既存のエッジ検出方法より優れていることを示した。
  論文  参考訳（メタデータ） (2025-03-02T08:51:13Z)
• Mesh Denoising Transformer [104.5404564075393]
  Mesh Denoisingは、入力メッシュからノイズを取り除き、特徴構造を保存することを目的としている。 SurfaceFormerはTransformerベースのメッシュDenoisingフレームワークのパイオニアだ。 局所曲面記述子(Local Surface Descriptor)として知られる新しい表現は、局所幾何学的複雑さをキャプチャする。 Denoising Transformerモジュールは、マルチモーダル情報を受信し、効率的なグローバル機能アグリゲーションを実現する。
  論文  参考訳（メタデータ） (2024-05-10T15:27:43Z)
• KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
  KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。 オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
  論文  参考訳（メタデータ） (2024-03-15T08:44:56Z)
• A geometry-aware deep network for depth estimation in monocular endoscopy [17.425158094539462]
  提案手法は,異なるデータセットと臨床画像にまたがって広範囲に検証されている。 提案法の平均RMSE値は12.604(T1-L1)、9.930(T2-L2)、13.893(Colon)である。
  論文  参考訳（メタデータ） (2023-04-20T11:59:32Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)

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。