【论文阅读笔记】Endoscopic navigation in the absence of CT imaging

这篇具有很好参考价值的文章主要介绍了【论文阅读笔记】Endoscopic navigation in the absence of CT imaging。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

论文小结

  上一篇的导航导论,是需要先验,也就是需要事先拍摄堆叠的图片(比如CT图等),在体外构建相应的3D模型,再与内窥镜图像进行实时匹配。对于很多情况来说,是无法拥有如此充足的先验的。所以,本文探索的是没有额外CT图像的一个内窥镜导航算法,应用场景是鼻腔和鼻窦内窥镜。。。。后面说的可变形配准算法,实际上,还是用了CT图像,只是不是那个患者的而已。

  作者宣称,使用可变形配准算法(deformable registration algorithm)以及视频的密集重建,他们可以在体内临床数据实现亚毫米配准,并且能够使用模拟数据建立的置信度标准为这些配准分配置信度。

论文简介

  大多数已开发的导航系统都是用于外科手术 [1, 2]。 对于手术导航,几乎总是可以进行术前 CT 扫描,这些扫描在空气、骨骼和软组织之间具有高对比度。 这使得外科医生能够更好地了解他们的位置、与周围骨骼和软组织的距离以及周围骨骼的厚度,使他们能够在手术过程中做出更明智的决定,并防止对附近的关键结构造成伤害,例如大脑、眼睛、视神经 、颈动脉等。

  本文方法与上述方法的区别在于缺乏患者特定的手术扫描。为了弥补这个缺陷,作者利用过去的CT扫描来建立相关结构的统计形状模型。然后,统计得出的形状可变形地配准到内窥镜视频中可见的解剖结构的密集重建,并且统计置信度测量会自动分配给配准。
  所以,算法同时完成两个步骤:(1)将内窥镜视频与统计得出的形状对齐;(2)将统计得出的形状变形为视频获得的结构。
  置信度测量进一步告知临床医生,在何时,对导航系统应该有多大的置信度。如果导航系统当时的配准估计置信度较低,则还允许导航系统改进自身。

方法

  在https://cirl.lcsr.jhu.edu/research/enhanced-endoscopic-navigation/有差不多的演示效果。不是我想要的方式,暂时拉倒了

  文章来源地址https://www.toymoban.com/news/detail-681325.html

  

到了这里,关于【论文阅读笔记】Endoscopic navigation in the absence of CT imaging的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【自监督论文阅读笔记】EVA: Exploring the Limits of Masked Visual Representation Learning at Scale

            本文推出了 EVA ,这是一个 以视觉为中心 的基础模型,旨在仅使用可公开访问的数据来 探索大规模 视觉表示的 局限性 。EVA 是一种经过预训练的普通 ViT,用于 重建 以可见图像块为条件的 屏蔽掉的 图像-文本对齐(image-text aligned)的视觉特征 。通过这个前置任

    2024年02月06日
    浏览(43)
  • On the Spectral Bias of Neural Networks论文阅读

    众所周知,过度参数化的深度神经网络(DNNs)是一种表达能力极强的函数,它甚至可以以100%的训练精度记忆随机数据。这就提出了一个问题,为什么他们不能轻易地对真实数据进行拟合呢。为了回答这个问题,研究人员使用傅里叶分析来研究深层网络。他们证明了具有有限权值

    2024年02月22日
    浏览(36)
  • 论文阅读 The Power of Tiling for Small Object Detection

    Abstract 基于深度神经网络的技术在目标检测和分类方面表现出色。但这些网络在适应移动平台时可能会降低准确性,因为图像分辨率的增加使问题变得更加困难。在低功耗移动设备上实现实时小物体检测一直是监控应用的基本问题之一。在本研究中,我们解决了在高分辨率微

    2024年02月11日
    浏览(33)
  • 【论文阅读记录】地震数据增强方法:APPLICATIONS OF DEEP LEARNING IN SEISMOLOGY

     随机位移(Random shift)技术对于提高模型泛化能力的重要性。通过将地震训练数据在时间上进行随机位移,可以减少模型对于特定时间点的位置偏见,从而提高其对地震波到达时间预测的准确性。 目标:利用随机位移增强地震波到达时间(如P波)的预测准确性,通过在每

    2024年04月09日
    浏览(38)
  • 论文阅读之Multimodal Chain-of-Thought Reasoning in Language Models

    本文主要对2023一篇论文《Multimodal Chain-of-Thought Reasoning in Language Models》主要内容进行介绍。 大型语言模型(LLM)通过利用思想链(CoT)提示生成中间推理链作为推断答案的基本原理,在复杂推理方面表现出了令人印象深刻的性能。然而,现有的CoT研究主要集中在语言模态上。

    2024年03月14日
    浏览(37)
  • (论文阅读)Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

    论文地址 https://openreview.net/pdf?id=_VjQlMeSB_J         我们探索如何生成一个思维链——一系列中间推理步骤——如何显著提高大型语言模型执行复杂推理的能力。 特别是,我们展示了这种推理能力如何通过一种称为思维链提示的简单方法自然地出现在足够大的语言模型中,

    2024年02月08日
    浏览(88)
  • 【论文阅读】Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data

    Github: https://github.com/LiheYoung/Depth-Anything 2024年 TikTok 实习生的工作 这篇论文提出了一个使用的方案,用于鲁棒的单目深度估计,Depth Anything 论文的模型结构没有创新(Transformer),主要贡献在于 探索了简单有效的数据扩展方式(如何有效利用大量的无标签数据 从预训练模型继

    2024年04月22日
    浏览(28)
  • 《The Element of Style》阅读笔记 —— 章节 I Elementary Rules of Usage

    前言 :本科期间担任科研助理时,有幸从导师那里借来这本书通读,只记得自己当时在本子上做了一些笔记,但是想不起来具体记了什么😂前段时间再次从学院的讲座活动中听闻这本书,决定重温一遍,本篇为此书第一章的阅读笔记。 本书电子版链接:http://www.jlakes.org/ch

    2024年02月05日
    浏览(32)
  • 《The Element of Style》阅读笔记 —— 章节 II Elementary Principles of Composition

    前言:本篇为书籍《The Element of Style》第二章的阅读笔记。 本书电子版链接:http://www.jlakes.org/ch/web/The-elements-of-style.pdf 章节 I Elementary Rules of Usage 阅读笔记:链接 即:选择一种恰如其分的构思并坚持下去 每一个写作都有一种基本的构思。写作者会在一定程度上遵循这个构思

    2024年02月06日
    浏览(51)
  • 【论文阅读】The Design of a Practical System for Fault-Tolerant Virtual Machines

    为了更有效的做论文阅读笔记,之后都打算将每篇论文笔记的内容控制在较少的字数范围内,毕竟原论文摆在那里,将其翻译照抄过来也没什么意思,将论文读薄才是最重要的。( •̀ ω •́ )✧ \\\"The Design of a Practical System for Fault-Tolerant Virtual Machines\\\"是MIT6.824推荐阅读的论文之一

    2024年02月03日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包