論文の概要: A Real-time Scale-robust Network for Glottis Segmentation in Nasal Transnasal Intubation

• arxiv url: http://arxiv.org/abs/2604.27383v1
• Date: Thu, 30 Apr 2026 03:51:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.912835
• Title: A Real-time Scale-robust Network for Glottis Segmentation in Nasal Transnasal Intubation
• Title（参考訳）: 鼻腔内挿管における声門分割のためのリアルタイムスケール・ロバストネットワーク
• Authors: Yang Zhou, Chaoyong Zhang, Ruoyi Hao, Huilin Pan, Yang Zhang, Hongliang Ren,
• Abstract要約: 鼻気管挿管(Nasotracheal Intubation, NTI)は, 気道パタンシーの確立と維持のための重要な臨床方法である。 従来の視覚検出手法は、しばしば計算コストが高く、ポータブルデバイス上でリアルタイムで高精度な検出を困難にしている。 本稿では,視覚支援型NTIアプリケーションに最適化された新しいグロッティセグメンテーションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.55325844242894
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Nasotracheal intubation (NTI) is a critical clinical procedure for establishing and maintaining patient airway patency. Machine-assisted NTI has emerged as a pivotal approach for optimizing procedural efficiency and minimizing manual intervention. However, visual detection algorithms employed for NTI navigation encounter significant challenges, including complex anatomical environments and suboptimal illumination conditions surrounding the glottis. Additionally, the glottis presents considerable scale variability throughout the procedure, initially appearing as a small, difficult-to-capture structure before expanding to occupy nearly the entire field of view. Moreover, traditional visual detection methods often have high computational costs, making real-time, high-precision detection on portable devices challenging. To enhance NTI efficacy and address these challenges, this paper proposes a novel glottis segmentation framework optimized for vision-assisted NTI applications. First, we designed a lightweight, multi-receptive field feature extraction module to reduce intra-class differences, achieving robustness to scale variations of the glottis. This module was then stacked to form the backbone and neck of our network. Subsequently, we developed an advanced label assignment method and redefined the number of samples to further reduce intra-class differences and enhance accuracy in the complex NTI environment. Experiments on three distinct datasets demonstrate that our network surpasses state-of-the-art algorithms, achieving a segmentation mDice of 92.9\% with a compact model size of 19 MB and an inference speed exceeding 170 frames per second. % Our code and datasets will be open-sourced on GitHub after the manuscript is accepted. Our code and datasets are available at https://github.com/HBUT-CV/GlottisNet.
• Abstract（参考訳）: 鼻気管挿管(Nasotracheal Intubation, NTI)は, 気道パタンシーの確立と維持のための重要な臨床方法である。 機械支援NTIは、手続き効率を最適化し、手作業の介入を最小限にするための重要なアプローチとして登場した。 しかし、NTIナビゲーションに使用される視覚検出アルゴリズムは、複雑な解剖学的環境や、声門を取り巻く最適下照明条件など、重大な課題に直面している。 さらに、グラッティはプロシージャ全体を通して相当なスケールの変動を示し、最初は小さく、捕獲が難しい構造として現れ、その後ほぼ全視野を占めるように拡大した。 さらに、従来の視覚検出手法は、しばしば計算コストが高く、ポータブルデバイス上でリアルタイムで高精度な検出を困難にしている。 NTI の有効性を高め,これらの課題に対処するために,視覚支援型 NTI アプリケーションに最適化された新規な glottis セグメンテーションフレームワークを提案する。 まず,クラス内差を低減し,グラッティの変動を拡大する頑健性を実現するために,軽量で多受容性のあるフィールド特徴抽出モジュールを設計した。 このモジュールは積み上げられ、ネットワークのバックボーンとネックを形成しました。 その後,より高度なラベル割り当て手法を開発し,さらにクラス内差を低減し,複雑なNTI環境における精度を高めるため,サンプル数を再定義した。 3つの異なるデータセットの実験により、我々のネットワークは最先端のアルゴリズムを超越し、19MBのコンパクトモデルサイズで92.9\%のセグメンテーションmDiceを実現し、毎秒170フレームを超える推論速度を実現している。 % 私たちのコードとデータセットは、原稿が受け入れられた後、GitHubでオープンソース化されます。 私たちのコードとデータセットはhttps://github.com/HBUT-CV/GlottisNet.comで公開されています。

関連論文リスト

• Real-Time Glottis Detection Framework via Spatial-decoupled Feature Learning for Nasal Transnasal Intubation [13.846515413602722]
  組込みデバイスとエッジデバイスのための軽量かつ効率的なグロッティ検出フレームワークであるMobile GlottisNetを提案する。 このモデルには構造的認識と空間的アライメント機構が含まれており、複雑な解剖学的および視覚的条件下でのロバストな声門局在を可能にする。 実験の結果,PIDデータセットと臨床データセットの両方で5MB程度の大きさのモデルでは,デバイス上で62FPS以上,エッジプラットフォーム上で33FPS以上の推論速度が得られた。
  論文  参考訳（メタデータ） (2026-03-08T13:36:18Z)
• Robust Multi-Disease Retinal Classification via Xception-Based Transfer Learning and W-Net Vessel Segmentation [0.0]
  本稿では,眼疾患の自動診断のためのディープラーニングアーキテクチャに関する総合的研究について述べる。 深い特徴抽出と解釈可能な画像処理モジュールを組み合わせたパイプラインを実装した。 臨床形態学的特徴のモデル予測を基礎として,アルゴリズム出力と専門的医学的検証のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2025-12-11T13:03:03Z)
• InceptionMamba: Efficient Multi-Stage Feature Enhancement with Selective State Space Model for Microscopic Medical Image Segmentation [15.666926528144202]
  InceptionMambaという,多段階のリッチな機能をエンコードするセグメンテーションタスクのための効率的なフレームワークを提案する。 我々は,低周波領域と高周波領域の両方を捕捉し,多段特徴を豊かにするためにセマンティック・キューを利用する。 本モデルでは,2つの挑戦的微視的セグメンテーションデータセットに対して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-06-13T20:25:12Z)
• Adapting Vision Foundation Models for Real-time Ultrasound Image Segmentation [20.009670139005085]
  既存の超音波セグメンテーション法は、しばしば新しいタスクへの適応性に苦しむ。 視覚基盤モデルHieraを応用した適応型フレームワークを導入し,マルチスケールな特徴を抽出する。 これらのリッチな機能は、精密で堅牢なセグメンテーションを生成するためにデコードされる。
  論文  参考訳（メタデータ） (2025-03-31T17:47:42Z)
• FrozenSeg: Harmonizing Frozen Foundation Models for Open-Vocabulary Segmentation [47.0028071183214]
  FrozenSegは、局所化基盤モデル(SAMなど)とViLモデル(CLIPなど)から抽出した意味知識から空間知識を統合するように設計されている。 FrozenSegは、さまざまなセグメンテーションベンチマークにまたがって最先端の結果を前進させ、COCOパン光学データのみにトレーニングし、ゼロショットでテストする。
  論文  参考訳（メタデータ） (2024-09-05T13:36:50Z)
• Self-STORM: Deep Unrolled Self-Supervised Learning for Super-Resolution Microscopy [55.2480439325792]
  我々は、シーケンス固有のモデルベースのオートエンコーダをトレーニングすることで、そのようなデータの必要性を軽減する、深層無学習の自己教師付き学習を導入する。 提案手法は, 監視対象の性能を超過する。
  論文  参考訳（メタデータ） (2024-03-25T17:40:32Z)
• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional Network for Retinal OCT Fluid Segmentation [3.57686754209902]
  OCTガイド下治療には網膜液の定量化が必要である。 RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。 モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-09-26T07:18:00Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)

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。