論文の概要: iMED: A Multi-Endoscope Dataset for Surgical 3D Perception
- arxiv url: http://arxiv.org/abs/2611.04755v1
- Date: Tue, 03 Nov 2026 12:06:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-09 13:44:22.870974
- Title: iMED: A Multi-Endoscope Dataset for Surgical 3D Perception
- Title（参考訳）: iMED: 手術用3D知覚のためのマルチ内視鏡データセット
- Abstract要約: iMEDは、ロボットによる最小侵襲手術のための最初の同期マルチエンドスコープデータセットである。
剛性および変形性のある新規ビュー合成、ポーズ推定、特徴マッチング、単眼深度推定にまたがる23の最先端手法をベンチマークした。
- 参考スコア（独自算出の注目度）: 8.966777888839664
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce iMED, the first synchronized multi-endoscope dataset for robot-assisted minimally invasive surgery (RAMIS), designed to address a fundamental limitation in surgical vision benchmarking: the absence of independent held-out viewpoints. Existing surgical datasets capture single-trajectory sequences from a single endoscope, making it impossible to distinguish geometric generalization from photometric interpolation along a narrow forward-facing path. iMED provides 340 sequences ~170K synchronized timepoints with 4 views per timepoint) recorded simultaneously from two independent stereo endoscopes across ex vivo, postmortem, and live surgical settings, spanning 14 specimens with diverse anatomical regions and motion regimes. The dataset includes calibrated camera intrinsics, ArUco-based frame-wise pose estimates with uncertainty quantification, instrument segmentation masks, and rich clinical metadata. Using a train-on-one-endoscope, test-on-another evaluation protocol, we benchmark 23 state-of-the-art methods across rigid and deformable novel view synthesis, pose estimation, feature matching, and monocular depth estimation. Our experiments show that methods relying primarily on photometric supervision degrade substantially under this held-out-endoscope setting, while methods with explicit geometric regularization are more robust across views in our benchmark. Notably, large-scale foundation models transfer surprisingly well to surgical imagery, often outperforming domain-specific models, suggesting pitfalls in current fine-tuning protocols. iMED establishes a new evaluation protocol for geometric generalization in surgical vision.
- Abstract（参考訳）: iMEDは,外科的視力ベンチマークの基本的な限界に対処するために設計された,ロボットによる最小侵襲手術(RAMIS)のための,最初の同期型マルチ内視鏡データセットである。
既存の外科的データセットは、単一の内視鏡から単一軌道配列をキャプチャし、狭い前方方向の経路に沿った測光補間と幾何学的一般化を区別することは不可能である。
iMEDは2つの独立したステレオ内視鏡から、生体外、死後、生きた外科的設定で同時に記録された340のシーケンス(170Kの同期時間ポイントと4ビュー)を提供しており、解剖学的領域と運動様式の異なる14の標本にまたがっている。
データセットには、キャリブレーションされたカメライントロニクス、不確実な定量化を伴うArUcoベースのフレームワイズ推定、機器セグメンテーションマスク、リッチな臨床メタデータが含まれる。
そこで我々は,23の最先端手法を,厳密で変形可能な新規なビュー合成,ポーズ推定,特徴マッチング,モノクロ深度推定でベンチマークした。
提案手法は,光度監督を主眼とする手法は,このホールド・アウト・エンドスコープ設定下では著しく低下するが,幾何的正則化の手法は,我々のベンチマークで見ればより頑健である。
特に、大規模な基礎モデルは外科画像に驚くほどうまく移行し、しばしばドメイン固有のモデルよりも優れており、現在の微調整プロトコルの落とし穴が示唆されている。
iMEDは外科視における幾何学的一般化のための新しい評価プロトコルを確立する。
関連論文リスト
- Multimodal Shared Latent Representation of Narration, Microscope and iOCT Images for Phase Recognition in Vitreoretinal Surgery [37.94518682851121]
硝子体手術における文脈認識型コンピュータによるフィードバックには,外科的位相認識が重要である。
手術用ナレーションと術中OCTを橋渡しするための共有アンカーとして顕微鏡ビューを用いたフレームワークを提案する。
これは、顕微鏡視、i OCT Bスキャン、および外科的位相認識のための共有潜在空間における外科的ナレーションを統一する最初の試みである。
論文 参考訳（メタデータ） (2026-08-31T16:41:07Z) - How Good are Foundation Models in Longitudinal MRI Disease Progression Reasoning? [49.14050864978079]
我々は,マルチビュー解剖学的入力を統一する評価フレームワークであるTime-Aware Multi-View MRI Benchmarkを紹介した。
このベンチマークは、3200の縦断MRIのタイムポイントにまたがる890人の患者から得られた、専門家が検証した質問応答ペア3,920名からなる。
論文 参考訳（メタデータ） (2026-08-13T14:35:20Z) - Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments [45.387920812487465]
本研究は,未確認の手術器具の高精度なマルチビュー6Dポーズ推定のための無トレーニングパイプラインを導入する。
本手法はMVPSPデータセットから実世界の手術データを用いて厳密に評価した。
論文 参考訳（メタデータ） (2026-03-26T09:28:19Z) - Monocular Marker-free Patient-to-Image Intraoperative Registration for Cochlear Implant Surgery [4.250558597144547]
本フレームワークは単分子型外科顕微鏡とシームレスに統合され,追加のハードウェア依存や要件を伴わずに臨床応用に極めて有用である。
以上より, 術中CTスキャンを2次元の手術シーンに登録し, 角誤差が10度以内の症例では, 6次元カメラの撮影位置の予測に臨床的に関連性があることが示唆された。
論文 参考訳（メタデータ） (2025-05-23T21:15:00Z) - EndoMetric: Near-Light Monocular Metric Scale Estimation in Endoscopy [3.4798711340521638]
標準的な単眼内視鏡画像から3次元再構成の実測値スケールを推定する手法を提案する。
これは、ポリープの測定、狭窄の測定、または疾患組織の範囲の評価など、応用に不可欠である。
論文 参考訳（メタデータ） (2024-10-19T11:06:31Z) - Monocular Microscope to CT Registration using Pose Estimation of the
Incus for Augmented Reality Cochlear Implant Surgery [3.8909273404657556]
本研究では, 外部追跡装置を必要とせず, 2次元から3次元の観察顕微鏡映像を直接CTスキャンに登録する手法を開発した。
その結果, x, y, z軸の平均回転誤差は25度未満, 翻訳誤差は2mm, 3mm, 0.55%であった。
論文 参考訳（メタデータ） (2024-03-12T00:26:08Z) - 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。
本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文 参考訳（メタデータ） (2023-06-23T12:09:52Z) - Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳（メタデータ） (2023-05-05T13:42:19Z) - 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) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。