論文の概要: LapaTrack-3D: 6 DoF pre-operative shape tracking for laparoscopic surgery

• arxiv url: http://arxiv.org/abs/2609.19954v1
• Date: Thu, 17 Sep 2026 09:27:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.201844
• Title: LapaTrack-3D: 6 DoF pre-operative shape tracking for laparoscopic surgery
• Title（参考訳）: LapaTrack-3D:6 DoF術前形状追跡による腹腔鏡下手術
• Abstract要約: 本研究は,単眼腹腔鏡下手術におけるリアルタイム6自由度追跡アルゴリズムを提案する。 術中ビデオと術前データのアライメントを提供する。 In-vivoと以前の実験では、LapaTrack-3Dが堅牢な3D追跡を提供することが示された。
• 参考スコア（独自算出の注目度）: 29.93320204008909
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work proposes a real-time 6 Degree-of-Freedom (6 DoF) tracking algorithm for monocular laparoscopic surgery. It provides alignment between intra-operative video and pre-operative data (e.g., CT). The 6 DoF tracking offers a solution for accurately locating the internal anatomy of the target organ despite the lack of tactile feedback and transparency. The ORB-SLAM2 framework is adopted and modified for prior-based 3D tracking with four major modifications. First, the primitive 3D shape is used for fast initialization of the ORB-SLAM2 monocular mode. Second, a pseudo-segmentation strategy is employed to separate the target organ from the background for tracking. Third, the 3D shape is incorporated as a geometric prior in its pose graph optimization. Fourth, the Multi-Scale Retinex with Chromaticity Preservation (MSRCP) algorithm is leveraged and modified for image enhancement in challenging illumination scenarios. In-vivo and ex-vivo experiments validate that LapaTrack-3D provides robust 3D tracking and effectively handles typical challenges such as poor illumination, fast motion, out-of-field-of-view scenarios, partial visibility, and ``organ-background'' relative motion. LapaTrack-3D achieves a processing rate of 13 Hz for 1280*720 pixel video.
• Abstract（参考訳）: 本研究は,単眼腹腔鏡下手術におけるリアルタイム6自由度追跡アルゴリズムを提案する。 術中ビデオと術前データ(例えばCT)のアライメントを提供する。 6 DoFトラッキングは、触覚フィードバックと透明性の欠如にもかかわらず、ターゲット臓器の内部解剖を正確に特定するためのソリューションを提供する。 ORB-SLAM2フレームワークは、以前の3Dトラッキングに4つの大きな変更を加えて採用・修正されている。 第一に、プリミティブな3D形状はORB-SLAM2単分子モードの高速初期化に使用される。 第2に、追跡対象臓器を背景から分離するために擬似隔離戦略を用いる。 第3に、3次元形状は、そのポーズグラフ最適化において幾何学的先行として組み込まれている。 第4に、色度保存によるマルチスケール網膜(MSRCP)アルゴリズムは、難解な照明シナリオにおける画像強調のために利用され、修正される。 In-vivo と ex-vivo の実験では、LapaTrack-3D が堅牢な3D追跡を提供し、照明不足、高速な動き、視野外シナリオ、部分的な視認性、および 'organ-background' の相対的な動きといった典型的な課題を効果的に扱うことが検証されている。 LapaTrack-3D は 1280*720 ピクセルのビデオに対して 13 Hz の処理速度を達成する。

関連論文リスト

• Track4World: Feedforward World-centric Dense 3D Tracking of All Pixels [67.36972154532761]
  モノクロビデオから各ピクセルの3D軌跡を推定することは重要であり、ビデオの3Dダイナミックスを包括的に理解する上で有望である。 最近のモノラルな3D追跡作業は印象的な性能を示しているが、第1フレーム上のスパースポイントのトラッキングや、高密度トラッキングのための遅い最適化ベースのフレームワークに限られている。 そこで我々は,Track4Worldと呼ばれるフィードフォワードモデルを提案し,世界中心座標系における全画素の効率的な3D追跡を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T03:45:43Z)
• SpatialTrackerV2: 3D Point Tracking Made Easy [73.0350898700048]
  SpaceTrackerV2はモノクロビデオのフィードフォワード3Dポイントトラッキング手法である。 これは、世界空間の3Dモーションをシーン幾何学、カメラエゴモーション、ピクセルワイドオブジェクトモーションに分解する。 このような異種データから幾何学と運動を共同で学習することで、SpatialTrackerV2は既存の3Dトラッキング方法よりも30%優れています。
  論文  参考訳（メタデータ） (2025-07-16T17:59:03Z)
• Enhancing Free-hand 3D Photoacoustic and Ultrasound Reconstruction using Deep Learning [3.8426872518410997]
  本研究では,携帯型光音響・超音波(PAUS)画像における3次元再構成を支援するため,グローバルローカル自己保持モジュール(MoGLo-Net)を用いたモーションベース学習ネットワークを提案する。 MoGLo-Netは、連続した超音波画像内の完全に発達したスペックル領域や高発癌組織領域などの臨界領域を利用して、運動パラメータを正確に推定する。
  論文  参考訳（メタデータ） (2025-02-05T11:59:23Z)
• EasyVis2: A Real Time Multi-view 3D Visualization System for Laparoscopic Surgery Training Enhanced by a Deep Neural Network YOLOv8-Pose [3.8000041849498127]
  EasyVis2は、腹腔鏡下手術のためのハンズフリーでリアルタイムな3D視覚化を提供するように設計されている。 手術用のトロカーにマイクロカメラが装備されており、体腔に挿入して3D視界を提供することができる。 特殊なディープニューラルネットワークアルゴリズムであるYOLOv8-Poseを用いて、個々のカメラビューにおける手術器具の位置と向きを推定する。
  論文  参考訳（メタデータ） (2024-12-21T19:26:19Z)
• SLAM assisted 3D tracking system for laparoscopic surgery [22.36252790404779]
  本研究は,登録後タスクのためのリアルタイムモノクル3D追跡アルゴリズムを提案する。 in-vivoおよびex-vivoテストによる実験では、提案された3Dトラッキングシステムが堅牢な3Dトラッキングを提供することが示された。
  論文  参考訳（メタデータ） (2024-09-18T04:00:54Z)
• H3D-DGS: Exploring Heterogeneous 3D Motion Representation for Deformable 3D Gaussian Splatting [39.2960379257236]
  ダイナミックシーンの再構築は、3Dビジョンにおいて永続的な課題となる。 変形可能な3Dガウススプラッティングは,リアルタイムレンダリングと高視認性を実現するため,この作業に有効な方法として登場した。 このアプローチは、動的シーンを標準空間における静的な表現と時間変化のシーンモーションに分解する。 Neu3DVおよびCMU-Panopticデータセットを用いた実験により,本手法は最先端の変形可能な3次元ガウススプラッティング技術よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-08-23T12:51:49Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)

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。