抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビデオストリームは,広範囲の手順で最小侵襲性手術と診断手順を導くために利用され,多くのコンピュータ支援技術が,それらを自動的に分析するために開発されている。これらのアプローチは,病変検出,装置ナビゲーション,または解剖3D形状モデリングのような外科医に追加情報を提供することができる。しかし,これらのパターンを認識するために必要な画像特徴は,鏡面のハイライト反射のような不規則な光パターンの存在により常に確実には検出されない。本論文では,機械学習を用いて,内視鏡ビデオからの鏡面ハイライトの除去を目的とする。時間的生成敵対ネットワーク(GAN)を用いて,鏡面性の下で隠れ解剖を修復し,その外見を空間的に,また同じ位置に存在しない隣接フレームから推論する。これは,鏡面強調の自動検出に依存する完全教師なし様式で,胃内視鏡検査(Hyper-Kvasir)のin vivoデータを使用して達成される。システム評価は,ネットワークの時間的および移動学習成分の重要性を示すアブレーション研究を通して,他の機械学習技術と同様に,直接比較を通して従来の方法への著しい改善を示した。胃内視鏡検査とex vivoブタデータ(SERV-CT,SCARED)のin vivoデータについて,異なる外科的セットアップと処置に対する著者らのシステムの一般化可能性も定性的に評価した。また,3D再構成とカメラ動き推定,すなわち立体視差,光フロー,およびスパース点特徴マッチングを支えているコンピュータビジョンタスクにおける著者らの方法の効果も評価した。これらを,定量的および定性的に評価し,結果は,新しい包括的分析において,これらのタスクに対する鏡面ハイライト修復の正の効果を示した。【JST・京大機械翻訳】