論文の概要: Incision trajectory tracing for electrosurgical navigation by CNN-based knife contacting frames extraction method

• arxiv url: http://arxiv.org/abs/2608.14749v1
• Date: Fri, 14 Aug 2026 02:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.063186
• Title: Incision trajectory tracing for electrosurgical navigation by CNN-based knife contacting frames extraction method
• Title（参考訳）: CNNを用いたナイフ接触フレーム抽出法による電気外科ナビゲーションのための切開軌跡追跡
• Abstract要約: 本研究の新規性は、畳み込みニューラルネットワーク(CNN)により組織に接触する電気工具が熱的特徴を識別することである。 本研究は、CNNが電気ナイフと超音波カッターのサーマルイメージを別々に分類でき、CNNが接触として予測したフレームの熱強度セントロイドの接続から得られた切開軌跡の精度を高めることができることを示した。
• 参考スコア（独自算出の注目度）: 0.6371558921396719
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background and Objective: Image-guided surgical navigation has been actively studied because of its advantage of identifying subsurface targets and critical structures, whereas it requires incision trajectories to update the preoperative three-dimensional model dynamically during the surgery. The novelty of this study is the thermal feature distinguishment of whether the electric tools contacting the tissue by Convolutional Neural Network (CNN), and the extraction of the knife contacting frames, to form incision trajectories which can meet with the requirement during the surgery. Methods: This study firstly verified that CNN can classify the thermal images of electric knife and ultrasonic cutter operations separately, and can raise the accuracy of the incision trajectories derived from the connection of the thermal intensity centroid of the frames predicted by CNN as contacting. Results: Our results obtained by employing the electric knife not only reveal a remarkably high accuracy 97.2 % in CNNs identification, but also can achieve an error reduction as high as more than 2.5 times of the incision trajectory prediction as compared to those proceeded in the conventional method. Besides electric knife, the results obtained by employing another electric tool, ultrasonic cutter, reveal a high accuracy up to 93.7 %. Conclusion: In this study, we ensured the possibility of CNN in distinguishing electric tools contacting with the tissue, and confirmed that the proposed method has not only overcome the problem of missing trajectories which usually occurs in the convolutional long-short term memory method but also achieved a remarkable improvement of the accuracy with less limitation.
• Abstract（参考訳）: 背景と目的: 画像誘導型手術ナビゲーションは, 手術中に術前3次元モデルを動的に更新するために切開軌跡が必要であるのに対して, 地中ターゲットと臨界構造を識別する利点から, 積極的に研究されている。 本研究の新規性は、CNN(Convolutional Neural Network)によって組織に接触する電気工具とナイフ接触フレームの抽出が、手術中に要求に合致する切開軌跡を形成するかどうかを熱的特徴として区別することである。 方法:本研究はまず,CNNが電気ナイフと超音波カッターの温度像を別々に分類し,CNNが接触として予測したフレームの熱強度セントロイドの接続から得られた切開軌跡の精度を高めることができることを確認した。 結果: 電気ナイフを用いて得られた結果, CNNの識別精度は97.2 %と極めて高いだけでなく, 従来の方法に比べて2.5倍以上の精度で誤差を低減できることがわかった。 電気ナイフの他に、別の電気工具である超音波カッターを使用した結果、93.7%の精度が得られた。 結論: 本研究は, 組織と接触する電気工具の識別におけるCNNの可能性を確認し, 提案手法は, 通常, 畳み込み長期記憶法で発生する損失軌跡の問題を克服しただけでなく, 限界を小さくして精度を著しく向上させたことを確認した。

関連論文リスト

• TAVI-TEC: An AI-Based Tool for Procedural Planning of Transcatheter Aortic Valve Implantation [32.927694104455135]
  本研究では,WebベースのDICOMビューアに完全に自動化された人工知能ベースのフレームワークであるTAVI-TECについて述べる。 心血管構造の深層学習に基づくセグメンテーション,石灰化検出,中心線抽出,ランドマーク同定,および環状平面定義を,キー環状および大動脈根の測定値の定量化のために実施した。 弁の大きさ予測モデルは82%の精度を達成し, 隣り合う補綴器サイズの間にはほとんどの誤分類が生じた。
  論文  参考訳（メタデータ） (2026-07-31T10:16:55Z)
• Tunable Wavelet Unit based Convolutional Neural Network in Optical Coherence Tomography Analysis Enhancement for Classifying Type of Epiretinal Membrane Surgery [4.385760909371705]
  上皮膜(ERM)除去手術の種類を分類する深層学習法を開発した。 我々のモデルは, ResNet18畳み込みニューラルネットワーク(CNN)アーキテクチャに基づいて, 術後光コヒーレンス断層撮影(OCT)センタースキャンを入力として利用する。 さらに精度を向上させるために、直交格子系ウェーブレットユニット(OrthLatt-UwU)と完全再構成緩和系ウェーブレットユニット(PR-Relax-UwU)の2つの主要な適応で調整可能なウェーブレットユニットを統合した。
  論文  参考訳（メタデータ） (2025-07-01T13:46:06Z)
• 3D Convolutional Neural Networks for Improved Detection of Intracranial bleeding in CT Imaging [0.0]
  脳内出血(Intracranial bleeding, IB)は、外傷性脳損傷によって引き起こされる致命的な疾患である。 従来のイメージングは遅く、特に高圧のシナリオでは変動しがちである。 本稿では、緊急時にIB検出を変換するAIの役割について説明する。
  論文  参考訳（メタデータ） (2025-03-26T08:10:29Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
  腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。 我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。 画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
  論文  参考訳（メタデータ） (2021-11-09T00:11:01Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Sickle Cell Disease Severity Prediction from Percoll Gradient Images using Graph Convolutional Networks [38.27767684024691]
  シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。 提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
  論文  参考訳（メタデータ） (2021-09-11T21:09:50Z)
• A Novel Multi-scale Dilated 3D CNN for Epileptic Seizure Prediction [6.688907774518885]
  脳波(eeg)信号の時間,周波数,チャネル情報を解析するために,新しい畳み込みニューラルネットワーク(cnn)を提案する。 モデルは3次元(3D)カーネルを使用して、3次元上の特徴抽出を容易にする。 提案されたCNNモデルはCHB-MIT EEGデータベースで評価され,本モデルが既存の最新技術を上回ることを実験的に示した。
  論文  参考訳（メタデータ） (2021-05-05T07:13:53Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Simultaneous Skull Conductivity and Focal Source Imaging from EEG Recordings with the help of Bayesian Uncertainty Modelling [77.34726150561087]
  本研究では,未知の頭蓋骨伝導率によるソース画像誤差を補正するベイズ近似誤差法に基づく統計的手法を提案する。 その結果, 震源位置推定精度と頭蓋骨伝導率の推定精度が向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-01-31T21:33:56Z)

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。