論文の概要: BronchoTop: Bronchoscopy Navigation via RGB-Only Topological Localization

• arxiv url: http://arxiv.org/abs/2609.28328v1
• Date: Wed, 23 Sep 2026 16:07:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.105443
• Title: BronchoTop: Bronchoscopy Navigation via RGB-Only Topological Localization
• Title（参考訳）: BronchoTop: RGB-Only Topological Localizationによる気管支鏡ナビゲーション
• Abstract要約: BronchoTopは、トポロジカル気管支鏡の局在化のためのリアルタイムRGBのみのフレームワークである。 BronchoTopは4つのモジュールを通して、一般的な気道モデルに対するスコープ位置を推定する。 ファントム、シミュレート、実データの評価は最先端の精度を示す。
• 参考スコア（独自算出の注目度）: 1.873444918172383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate localization of the bronchoscope within the bronchial tree is essential for clinicians to be able to reach target lesions, perform biopsies and avoid misidentification of airway segments during diagnostic and therapeutic procedures. However, existing navigation systems typically rely on patient-specific CT scans or additional external sensors, increasing cost, setup time and patient radiation exposure. This work presents BronchoTop, a real-time, RGB-only framework for topological bronchoscopy localization that eliminates the need for patient-specific data. BronchoTop estimates scope location relative to a generic airway model through four modules: lumen detection and tracking, lumen-branch label association, probabilistic scope location estimation, and switch verification. By using only standard bronchoscopy video input, BronchoTop provides practical, real-time navigational assistance to physicians. Evaluation on phantom, simulated and real data demonstrates state-of-the-art accuracy, improving existing approaches performance by over 20% on real bronchoscopy sequences. BronchoTop is the first published framework including both the localization algorithms as well as all the real data used, together with code to generate additional simulations, encouraging and facilitating further developments and benchmarking. The results highlight BronchoTop's potential to enhance procedural safety, efficiency and accessibility in clinical and robotic bronchoscopy.
• Abstract（参考訳）: 気管支内気管支鏡の正確な局在は、臨床医が標的病変に到達し、生検を行い、診断および治療中の気道セグメントの誤同定を避けるために不可欠である。 しかし、既存のナビゲーションシステムは一般的に患者固有のCTスキャンや外部センサーに頼り、コスト、セットアップ時間、患者の放射線被曝を増大させる。 この研究は、患者固有のデータを必要としない、トポロジカル気管支鏡の局所化のためのリアルタイムRGBのみのフレームワークであるBronchoTopを提示する。 BronchoTopは、ルーメン検出と追跡、ルーメン・ブランチラベル関連、確率的スコープ位置推定、スイッチ検証の4つのモジュールを通して、一般的な気道モデルに対するスコープ位置を推定する。 標準的な気管支鏡ビデオ入力のみを使用することで、BronchoTopは医師に実用的なリアルタイムナビゲーション支援を提供する。 ファントム、シミュレート、実データの評価は最先端の精度を示し、実際の気管支鏡のシーケンスで既存のアプローチのパフォーマンスを20%以上改善する。 BronchoTopは、ローカライズアルゴリズムと実際のデータの両方を含む最初のフレームワークであり、コードとともに追加のシミュレーションを生成し、さらなる開発とベンチマークを奨励し促進する。 その結果,BronchoTopは,臨床およびロボット気管支鏡検査において,プロシージャの安全性,効率,アクセシビリティを高める可能性が示唆された。

関連論文リスト

• Online Topological Localization for Navigation Assistance in Bronchoscopy [6.361337749362785]
  術中ナビゲーション支援のための画像ベース気管支鏡トポロジカル・ローカライゼーション・パイプラインを提案する。 提案手法はファントムデータのみに基づいて学習し,高コストな実データラベリングを排除し,優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2025-10-10T08:44:39Z)
• Automated vision-based assistance tools in bronchoscopy: stenosis severity estimation [2.539920413471809]
  声門下狭窄 (subglottic stenosis) は声帯と気管の間の気道である。 気管支鏡画像による声門下狭窄の重症度自動測定は,このパイプラインが初めてである。
  論文  参考訳（メタデータ） (2025-05-08T11:13:38Z)
• Cross-platform Prediction of Depression Treatment Outcome Using Location Sensory Data on Smartphones [55.992010576087424]
  スマートフォンで受動的に収集した位置情報データを用いて治療結果を予測する。 その結果, 位置特徴とベースライン自己申告アンケートスコアは, F1得点を0.67点まで引き上げることが可能であり, 定期的な自己申告アンケートと同等であることがわかった。
  論文  参考訳（メタデータ） (2025-03-10T22:00:07Z)
• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• BronchoTrack: Airway Lumen Tracking for Branch-Level Bronchoscopic Localization [5.723152301765533]
  BronchoTrackは、正確なブランチレベルのローカライゼーションのための革新的なリアルタイムフレームワークである。 気管支鏡下位置計測にマルチオブジェクトトラッキングを導入したのは,今回が初めてである。 本研究は,患者全体の一般化を確実にするため,訓練不要な気道関連手法を提案する。
  論文  参考訳（メタデータ） (2024-02-20T07:11:27Z)
• Airway Label Prediction in Video Bronchoscopy: Capturing Temporal Dependencies Utilizing Anatomical Knowledge [0.0]
  本稿では,気管支鏡画像データのみを取り入れたナビゲーションガイダンスについて述べる。 気道樹の解剖学的制約を最大限に活用する。 我々は、個々のフレームに基づく分類において、0.81と比較して、最大0.98まで精度を向上することができる。
  論文  参考訳（メタデータ） (2023-07-17T08:26:36Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)

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。