論文の概要: Lesion-centered 3D mapping of colonoscopy procedures: validation of a hierarchical ensemble pipeline on public benchmark videos
- arxiv url: http://arxiv.org/abs/2609.16672v1
- Date: Tue, 15 Sep 2026 05:54:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.359985
- Title: Lesion-centered 3D mapping of colonoscopy procedures: validation of a hierarchical ensemble pipeline on public benchmark videos
- Title（参考訳）: 大腸内視鏡手術における病変中心の3次元マッピング:公衆ベンチマークビデオにおける階層型アンサンブルパイプラインの検証
- Abstract要約: 大腸内視鏡撮影は、記録されたビデオにすでに存在する空間情報に対して、テキストレポートと静止写真を保存する。
本研究は, 病変中心の空間記録をフルコロン3次元再構成なしで組み立て, 検証できるかどうかを判定する。
- 参考スコア（独自算出の注目度）: 16.186752778158848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background and Objective: Colonoscopy recording practice preserves text reports and still photographs, while the spatial information already present in the recorded video - where the scope traveled, where a lesion was observed, and whether the same lesion was seen again - is discarded when the procedure ends. This study determines whether a lesion-centered spatial record can be assembled and validated without full-colon 3D reconstruction. Methods: A four-layer hierarchical pipeline was assembled - (1) a global topological map, (2) lesion-level spatio-temporal tracks, (3) on-demand local 3D reconstruction, and (4) persistent lesion identity across repeated observations - and ran end to end on four public videos (two C3VDv2 sequences with ground-truth depth and two full REAL-Colon procedures; 40,245 frames). All components are published, individually validated methods; the contribution is their lesion-centered assembly, linking rules, and evaluation. Results: Revisits, impossible under forward-only mapping by construction, were detected by entry-map Bayesian localization: 5,614 and 4,043 revisit events (56 and 68 distinct nodes) in the two full procedures. Lesion-identity merging at the adopted threshold 0.5 maintained ground-truth purity 1.0 while auto-merging 20 of 231 candidate pairs. The endoscopy-specific geometry engine outperformed a general-purpose foundation model on all metrics (overall absolute relative error (AbsRel) 0.2276 vs. 0.3523). Conclusions: The results are partial but establish a concrete near-term path: revisit detection, lesion identity, and local 3D each returned quantitative, reproducible output without waiting for complete geometric reconstruction; validating the record on clinical data is the next step.
- Abstract（参考訳）: 背景と目的: 大腸内視鏡撮影は、テキストレポートと静止写真を保存するが、すでに記録されている空間情報 - スコープが移動した場所、病変が観察された場所、同じ病変が再び見られたか - は、手順が終わると破棄される。
本研究は, 病変中心の空間記録をフルコロン3次元再構成なしで組み立て, 検証できるかどうかを判定する。
方法:(1)グローバルトポロジカルマップ,(2)病変レベル時空間トラック,(3)オンデマンドローカル3D再構成,(4)繰り返し観察による病変の恒常性を4つの公開ビデオ(地上深度2つのC3VDv2シーケンスと2つのREAL-Colonプロシージャ,40,245フレーム)で終了させた。
コントリビューションは、病変中心のアセンブリ、リンクルール、評価である。
結果:5,614と4,043のリビジットイベント(56と68の異なるノード)を2つのフルプロシージャで検出した。
採用しきい値0.5における病変密度の融合は,231対のうち20を自動マージしながら,地中純度1.0を維持した。
内視鏡固有の幾何エンジンは、すべての測定値(AbsRel) 0.2276 vs. 0.3523)の一般的な基礎モデルよりも優れていた。
結論: 結果は部分的ではあるが具体的な短期的経路を確立する: 再考検出, 病変の同一性, 局所的な3Dは, 完全な幾何学的再構成を待つことなく, 再現可能な出力を返却する; 臨床データの記録の検証は次のステップである。
関連論文リスト
- RibAssist 3D: Biplanar Rib-Fracture Detection, Addressing, and Selective 3D Localization from CT-Derived Projections [0.6768558752130311]
リブ骨折はCT(Computed tomography)で局所化するのに一般的で時間を要する
2つの直交CTからの投射で独立に検出された骨折は、視界をまたいでペアリングし、偽出力の制御速度で信頼できる3Dポイントに三角測量できるかどうかを問う。
本研究は、選択的3次元局所化のための再現可能なフレームワークを確立し、クロスビュー対応を主要な運用ボトルネックとして認識する。
論文 参考訳（メタデータ） (2026-08-07T07:47:20Z) - A report-grounded vision-language foundation model for colonoscopy from 280000 routine reports [58.14965296904734]
EndoCLIPは125,756の病変レベルの画像テキストペアに基づいて訓練された視覚言語基盤モデルである。
これは、ゼロショットとリニアプローブの両方の設定において、汎用およびバイオメディカルな視覚言語エンコーダよりも優れている。
論文 参考訳（メタデータ） (2026-07-30T16:24:36Z) - A Diagnostic Gap Framework for Evaluating Reconstruction Fidelity in Weakly Supervised Mammography [0.0]
本稿では,意思決定の保存と説明の保存を計測する実践的評価ツールである診断ギャップフレームワークを提案する。
本研究は, 3種類のコンディショニングコンストラクタの忠実度はしごを用いて, キュレートされた病変ROIの作物について検討した。
このフレームワークは、マルチステージパイプラインが診断信号を失うタイミングと場所を特定するためのアーキテクチャに依存しない手段を提供する。
論文 参考訳（メタデータ） (2026-07-22T19:59:26Z) - PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。
部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。
The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
論文 参考訳（メタデータ） (2026-04-05T21:14:27Z) - 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) - Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。
我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。
フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
論文 参考訳（メタデータ） (2025-07-10T23:12:12Z) - ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。
このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。
ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
論文 参考訳（メタデータ） (2025-06-01T19:29:39Z) - Benchmarking Encoder-Decoder Architectures for Biplanar X-ray to 3D
Shape Reconstruction [1.1748284119769041]
6つのパブリックデータセットを用いて,2次元3次元モデルと2次元3次元モデルについて広範囲に評価する。
以上の結果から,グローバルな空間的関係を捉えた注意に基づく手法は,すべての解剖学において良好に機能することが示唆された。
論文 参考訳（メタデータ） (2023-09-24T09:05:35Z) - Colonoscopy Coverage Revisited: Identifying Scanning Gaps in Real-Time [0.0]
大腸内視鏡は大腸がんを予防するために最も広く用いられる医療技術であり、悪性になる前にポリープを検出して除去する。
最近の研究では、既存のポリープの約4分の1が日常的に欠落していることが示されている。
そのうちのいくつかは内科医の視界に現れるが、結腸の部分的な被覆のために欠落するものもある。
論文 参考訳（メタデータ） (2023-05-17T08:12:56Z) - C$^3$Fusion: Consistent Contrastive Colon Fusion, Towards Deep SLAM in
Colonoscopy [0.0]
光内視鏡(OC)による3D大腸再建による非検査面の検出は未解決の問題である。
近年の手法では,(1)フレーム・ツー・フレーム(あるいはフレーム・ツー・モデル)の予測が多くのトラッキング障害を引き起こし,(2)スキャン品質を犠牲にしてポイントベース表現に頼っている。
本稿では,これらの課題を終末まで解決し,定量的かつ定性的かつ堅牢な3次元大腸再建を実現するための新しい再構築フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-04T10:38:19Z) - Deep Negative Volume Segmentation [60.44793799306154]
対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。
我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。
顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
論文 参考訳（メタデータ） (2020-06-22T16:55:23Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。