論文の概要: Attenuation-Resilient Alternating Optimization for Laparoscopic Liver Landmark Detection

• arxiv url: http://arxiv.org/abs/2605.26630v1
• Date: Tue, 26 May 2026 07:06:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.718938
• Title: Attenuation-Resilient Alternating Optimization for Laparoscopic Liver Landmark Detection
• Title（参考訳）: 腹腔鏡下肝ランドマーク検出のための減衰-弾性交替最適化
• Authors: Lanqing Liu, Ruize Cui, Jialun Pei, Diandian Guo, Tiffany Y. So, Pheng-Ann Heng, Jing Qin,
• Abstract要約: 腹腔鏡下肝手術において,肝表面のランドマーク検出は解剖学的指導の必須条件である。 実際には、未露出領域における照明減衰と、ピクセルワイズ局在化と連続曲線幾何学の間の構造的ミスマッチという2つの広範囲にわたる課題のために、信頼できないままである。 A2ONetは、肝臓のロバストなランドマーク検出のための減衰-弾性交互最適化ネットワークである。
• 参考スコア（独自算出の注目度）: 45.05240977535136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Liver surface landmark detection is a fundamental prerequisite for anatomical guidance in laparoscopic liver surgery. However, it remains unreliable in practice due to two pervasive challenges: illumination attenuation in underexposed regions and the structural mismatch between pixel-wise localization and continuous curvilinear geometry. To address these limitations, we propose A2ONet, an attenuation-resilient alternating optimization network for robust liver landmark detection. To mitigate illumination attenuation, A2ONet embraces an illumination field compensation (IFC) block that adaptively enhances dark regions while preserving structural consistency. Meanwhile, we introduce a lightweight frequency-orientation selective filter (FOSF) to suppress repetitive texture interference and preserve salient curvilinear cues. Building upon these resilient representations, we design an alternating seg-curve optimization (ASCO) decoder that iteratively couples dense segmentation with explicit curve modeling, enabling mutual guidance to optimize both structural continuity and endpoint localization. Extensive evaluations on L3D-2K, L3D, and P2ILF demonstrate consistent improvements over competitive methods, establishing a more reliable foundation for intraoperative anatomy guidance. Our code will be available at https://github.com/hyperiondk115/A2ONet.
• Abstract（参考訳）: 腹腔鏡下肝手術において,肝表面のランドマーク検出は解剖学的指導の必須条件である。 しかし、未露出領域における照明減衰と画素ワイドの局在化と連続曲線幾何学の間の構造的ミスマッチという2つの大きな課題により、実際には信頼性が低いままである。 これらの制約に対処するため,肝臓のロバストなランドマーク検出のための減衰-弾性交互最適化ネットワークであるA2ONetを提案する。 照明減衰を軽減するため、A2ONetは照明場補償(IFC)ブロックを採用し、構造的整合性を維持しながら暗黒領域を適応的に強化する。 一方,反復的テクスチャ干渉を抑える軽量な周波数指向性選択フィルタ (FOSF) を導入し,その保存効果について検討した。 これらのレジリエントな表現に基づいて、高密度セグメンテーションと明示的な曲線モデリングを反復的に結合する交互セグカーブ最適化(ASCO)デコーダを設計し、構造的連続性とエンドポイントのローカライゼーションの両方を最適化する相互指導を可能にする。 L3D-2K, L3D, P2ILFの広範囲な評価は, 競争法よりも一貫した改善を示し, 術中解剖指導の信頼性を高めた。 私たちのコードはhttps://github.com/hyperiondk115/A2ONetで公開されます。

関連論文リスト

• 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
  3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。 その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。 既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。 本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
  論文  参考訳（メタデータ） (2026-03-08T11:16:30Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
  リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。 我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。 MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
  論文  参考訳（メタデータ） (2026-02-04T09:14:09Z)
• Precise Liver Tumor Segmentation in CT Using a Hybrid Deep Learning-Radiomics Framework [5.499971648188868]
  本稿では,注目度の高いU-Netと,手作りラジオミクスとボクセルワイド3DCNNの改良を併用したハイブリッドフレームワークを提案する。 2.5Dの2段階ネットワークは、密結合エンコーダ、サブピクセル畳み込みデコーダ、マルチスケールアテンションゲートを備え、初期肝と腫瘍の確率マップを生成する。 AlexNetから派生したコンパクトな3DパッチベースのCNNは、腫瘍境界付近の狭い帯域で動作し、ボクセルレベルのリラベリングと輪郭の平滑化を行う。
  論文  参考訳（メタデータ） (2025-12-08T14:09:21Z)
• Subsampled Randomized Fourier GaLore for Adapting Foundation Models in Depth-Driven Liver Landmark Segmentation [6.91206648866302]
  本稿では,視覚基盤エンコーダを用いた意味的および幾何学的手がかりを組み込んだディープガイド型肝ランドマークセグメンテーションフレームワークを提案する。 SAM2 を効率よく適応させるために,SRFT-GaLore は,計算コストの高い SVD をサブサンプリングランダム化フーリエ変換に置き換える,新しい低ランク勾配投影法である。 本手法は,D2GPLandと比較して,Dice類似度係数が4.85%向上し,平均対称表面距離が11.78ポイント削減された。
  論文  参考訳（メタデータ） (2025-11-05T04:16:49Z)
• EndoWave: Rational-Wavelet 4D Gaussian Splatting for Endoscopic Reconstruction [18.43808203690038]
  内視鏡的シナリオでは、光学的不整合、非剛性組織の動き、ビュー依存ハイライトなど、ユニークな課題が提示される。 3DGSをベースとしたほとんどの手法は、3DGSを最適化するための外観制約のみに依存するが、この文脈では不十分であることが多い。 本稿では,光学フローに基づく幾何制約と多分解能有理ウェーブレット監視を組み込んだEdoWaveを提案する。
  論文  参考訳（メタデータ） (2025-10-27T07:45:17Z)
• HiNeuS: High-fidelity Neural Surface Mitigating Low-texture and Reflective Ambiguity [8.74691272469226]
  HiNeuSは、既存のアプローチにおける3つの中核的な制限に、一貫したフレームワークである。 1) SDF誘導線トレーシングによる微分可視性検証, 2) レイアライン幾何パッチによる平面コンフォーマルな正規化, 3) 局所勾配に基づく幾何的制約を動的に調節する物理的に接地されたアイコン緩和。
  論文  参考訳（メタデータ） (2025-06-30T13:45:25Z)
• BCRNet: Enhancing Landmark Detection in Laparoscopic Liver Surgery via Bezier Curve Refinement [14.918845671238737]
  BCRNetは腹腔鏡下肝手術におけるランドマーク検出を大幅に強化する新しいフレームワークである。 フレームワークは、セマンティック機能をしっかりとキャプチャするために設計されたMFE(Multi-modal Feature extract)モジュールから始まる。 BCRNetは最先端のメソッドよりも優れ、大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-06-18T09:00:08Z)
• Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。 LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。 特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)

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。