文献

J-GLOBAL ID：202202261316360081   整理番号：22A0321815

不完全整流ステレオ腹腔鏡画像からの深さ推定の教師なし学習【JST・京大機械翻訳】

Unsupervised learning of depth estimation from imperfect rectified stereo laparoscopic images

著者 (12件)： Luo Huoling (Research Lab for Medical Imaging and Digital Surgery, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Luo Huoling (Shenzhen College of Advanced Technology, University of Chinese Academy of Sciences, Shenzhen, China) ,  Wang Congcong (School of Computer Science and Engineering, Tianjin University of Technology, Tianjin, China) ,  Wang Congcong (Department of Computer Science, Norwegian University of Science and Technology, Trondheim, Norway) ,  Duan Xingguang (Advanced Innovation Centre for Intelligent Robots & Systems, Beijing Institute of Technology, Beijing, China) ,  Liu Hao (State Key Lab for Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Wang Ping (Department of Hepatobiliary Surgery, The First Affiliated Hospital of Guangzhou Medical University, Guangzhou, China) ,  Hu Qingmao (Research Lab for Medical Imaging and Digital Surgery, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Hu Qingmao (Shenzhen College of Advanced Technology, University of Chinese Academy of Sciences, Shenzhen, China) ,  Jia Fucang (Research Lab for Medical Imaging and Digital Surgery, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China) ,  Jia Fucang (Shenzhen College of Advanced Technology, University of Chinese Academy of Sciences, Shenzhen, China) ,  Jia Fucang (Pazhou Lab, Guangzhou, China)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 140  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 学習ベースの方法は,深さ推定に関して顕著な性能を達成した。しかし,ほとんどの自己学習と教師なし学習法の前提は,厳密で幾何学的に配列した立体修正に構築される。これらの方法の性能は,整流が正確でない場合,劣化する。したがって,不完全カメラパラメータを扱うことができる立体画像から教師なし深さ推定のためのアプローチを探求した。入力として修正立体画像対を取り入れ,対応する高密度視差マップを出力する教師なし深層畳込みネットワークを提案した。最初に,新しい垂直補正モジュールを設計し,不完全形状アラインメントを補償する補正マップを予測した。第2に,入力画像対と対応する格差および垂直補正マップに基づいて再構成された左および右画像を,生成的敵対ネットワーク(GAN)の生成項の出力と見なした。次に,GANの弁別項を用いて,元の入力から再構成画像を区別して,発電機を出力的に現実的画像に出力する。さらに,残差マスクを導入して,損失計算におけるオリジナル画像の出現と矛盾する画素を除外した。提案モデルは,公的に利用可能な立体対応と内視鏡データ(SCARED)データセットの再構成で検証され,平均MAEは3.054mmである。本モデルは,深さ推定のために不完全修正立体画像を効果的に処理することができた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  畳込み ,  *学習 ,  ネットワーク ,  地図 ,  *教師なし学習 ,  残差 ,  *画像 ,  画素 ,  立体画像 ,  *ステレオ音響 ,  *整流 ,  *腹腔鏡
準シソーラス用語： 自己学習 ,  視差画像 , 【Automatic Indexing@JST】

著者キーワード (5件)： 教師なし学習 ,  深さ推定 ,  ステレオマッチング ,  腹腔鏡画像 ,  不完全整流ステレオ画像

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 整流 ,  ステレオ ,  腹腔鏡 ,  推定 ,  教師なし学習