文献

J-GLOBAL ID：201902258859726518   整理番号：19A2668490

肝臓手術中の拡張現実感のための物理学に基づくディープニューラルネットワーク【JST・京大機械翻訳】

Physics-Based Deep Neural Network for Augmented Reality During Liver Surgery

著者 (7件)： Brunet Jean-Nicolas (INRIA, Strasbourg, France) ,  Mendizabal Andrea (INRIA, Strasbourg, France) ,  Mendizabal Andrea (University of Strasbourg, ICube, Strasbourg, France) ,  Petit Antoine (INRIA, Strasbourg, France) ,  Golse Nicolas (Hopital Paul-Brousse, Paris, France) ,  Vibert Eric (Hopital Paul-Brousse, Paris, France) ,  Cotin Stephane (INRIA, Strasbourg, France)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11768  ページ： 137-145  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,有限要素法と深いニューラルネットワークを組み合わせたアプローチを提示し,肝臓手術中に拡張された現実感を提供する目的で複雑な弾性変形を学習する。Uネットアーキテクチャから導出されたネットワークは,臓器の術前セグメンテーションの物理ベースシミュレーションから完全に構築される。これらのシミュレーションは,境界適合体積要素を必要としないような,いくつかの数値的および実際的な利点を提供する没入境界法を用いて実行される。合成およびex vivo患者データを用いてこの方法の定量的評価を行った。結果は,ネットワークがまばらな部分表面変位データのみを用いて,器官の変形状態を解くことができ,FEM解と同様の精度を達成し,一方,約100[数式:原文を参照]が高速であることを示した。ex vivo肝臓例に適用した場合,平均標的登録誤差(TRE)2.9mmで,3msだけで登録を達成した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *拡張現実感 ,  *ニューラルネットワーク ,  有限要素法 ,  *ネットワーク ,  高速度 ,  弾性変形 ,  セグメンテーション ,  内臓
準シソーラス用語： 深層学習 ,  器官 ,  表面変位 ,  定量的評価 ,  患者情報 ,  ex vivo実験 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  リアルタイムシミュレーション ,  拡張現実感

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (5件)： 肝臓 ,  手術中 ,  拡張現実感 ,  物理学 ,  ディープニューラルネットワーク