文献

J-GLOBAL ID：202202271890714905   整理番号：22A0976987

深層学習を用いた視覚オドメトリと実時間セグメンテーションを用いたハンドヘルドOCTプローブの屋内位置決め【JST・京大機械翻訳】

Indoor Localization of Hand-Held OCT Probe Using Visual Odometry and Real-Time Segmentation Using Deep Learning

著者 (7件)： Qin Xi (School of Electrical Engineering and Computer Science, Ohio University, USA) ,  Wang Bohan (Institute for Applied Life Sciences, Steer Tech, LLC, USA) ,  Boegner David (Fischell Department of Bioengineering, University of Maryland, USA) ,  Gaitan Brandon (Fischell Department of Bioengineering, University of Maryland, USA) ,  Zheng Yingning (Department of Biomedical Engineering, University of Massachusetts, USA) ,  Du Xian (Department of Mechanical and Industrial Engineering, University of Massachusetts, USA) ,  Chen Yu (Department of Biomedical Engineering, University of Massachusetts, Amherst, MA, USA)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 69  号： 4  ページ： 1378-1385  発行年： 2022年 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 目的:光コヒーレンストモグラフィー(OCT)は,高解像度で組織構造を可視化する能力のため,広範な使用を見出している確立された医用イメージングモダリティである。現在,OCTハンドヘルドイメージングプローブは位置情報を欠き,特定の画像を位置にリンクさせるのを困難か不可能にする。本研究では,実時間でのスキャナ位置を追跡し,記録するためのカメラベースの位置決め法を提案し,深い学習ベースセグメンテーション法を提供した。方法:カメラベースの視覚オドメトリー(VO)と同時マッピングと局在化(SLAM)を用いて,手持ちOCTイメージングプローブの位置を計算し,可視化した。深部畳み込みニューラルネットワーク(CNN)を腎尿細管内腔セグメンテーションに使用した。結果:1D翻訳の平均絶対誤差(MAE)と標準偏差(STD)は,それぞれ0.15mmと0.26mmであった。2D翻訳ではMAEとSTDはそれぞれ0.85mmと0.50mmであった。分割法のジセ係数は0.7であった。予測および実際の平均密度と予測および実際の平均直径の間のT検定のt-統計は,それぞれ7.7547e-13および2.2288e-15であった。また,自動セグメンテーションによる局在化法を用いて保存された腎臓について実験した。平均密度マップと平均直径マップの比較を,3D包括的走査とVOシステム走査の間で行った。結論:著者らの結果は,VOが高精度でプローブ位置を追跡でき,3D空間におけるOCT2D画像をレビューするためのユーザフレンドリーな可視化ツールを提供することを示した。また,深層学習はセグメンテーションのために高精度と高速を提供できることを示した。意義:提案方法は腎臓移植における遅延移植片機能(DGF)の予測に使用できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  *視覚 ,  *学習 ,  *セグメンテーション ,  可視化 ,  画像 ,  走査装置 ,  二次元 ,  平均値 ,  三次元 ,  高分解能
準シソーラス用語： モダリティ ,  *オドメトリ ,  医用画像処理 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (9件)： 深層学習 ,  視覚 ,  オドメトリ ,  実時間 ,  セグメンテーション ,  ハンドヘルド ,  OCT ,  プローブ ,  屋内位置決め