CCL

Összesen 9 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM077185
Első szerző:Harangi Balázs (programtervező matematikus)
Cím:Differentiating ureter and arteries in the pelvic via endoscope using deep neural network / Balazs Harangi, Andras Hajdu, Rudolf Lampe, Peter Torok
Dátum:2017
Megjegyzések:Endoscope-based surgery has several beneficial effects regarding the rehabilitation of the patients, but has some drawbacks causing difficulties to medical experts, on the contrary. The main disadvantage is that the tactile information is lost to the expert who takes the surgical intervention. There are some organs (e.g. ureters and arteries) in the human body which have similar visual appearances, so the differentiation of them based on only visual expression via endoscopy is a challenging task to the medical experts. To support keyhole-surgery using state-of-the-art image processing solutions, we have developed a semi-automatic software which can distinguish ureters from arteries by a dedicated convolutional neural network (CNN). We have trained the CNN on 2000 images acquired during endoscopic surgery and tested on 500 test ones. 94.2% accuracy has been achieved in this two-classes classification task regarding a binary error function.
ISBN:978-1-5090-4011-7
Tárgyszavak:Műszaki tudományok Informatikai tudományok könyvfejezet
endoscopic imaging
ureters
arteries
convolutional neural network
Megjelenés:ISPA 2017 10th International Symposium on Image and Signal Processing and Analysis / Eds. Stanislav Kovacic, Sven Loncaric, Matej Kristan, Vitomir Struc, Mladen Vucic. - p. 86-89. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Lampé Rudolf (1983-) (szülész-nőgyógyász) Török Péter (1975-) (szülész-nőgyógyász)
Pályázati támogatás:EFOP-3.6.2-16-2017-00015
EFOP
GINOP-2.1.1-15-2015-00376
GINOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM089073
035-os BibID:(scopus)85097037561 (wos)000601183600002
Első szerző:Kovács Kincső Sára
Cím:Standardizált mérési technika a méh ultrahang-diagnosztikájában / Kovács Kincső Sára, Kovács Anna Rebeka, Harangi Balázs, Lampé Rudolf, Török Péter
Dátum:2020
ISSN:0030-6002 1788-6120
Megjegyzések:Bevezetés: Jelenleg a méh méretének pontos megítélése meglehetősen szubjektív, az azt leíró ultrahangleletek igen nagy eltérést mutatnak. Számos klinikai szituációban azonban nagyon fontos az eltérések méretének, elhelyezkedésének, meghatározott anatómiai pontokhoz való viszonyának pontos leírása. Célkitűzés: Célunk egy egységes mérési módszer kifejlesztése, mellyel sorvezetőt adunk a vizsgálók kezébe, így csökkentve az egyéni variabilitásból adódó eltéréseket. A standardizált adatok lehetőséget adnak a szisztematikus gyűjtésre, azok egységes feldolgozására, rendszerbe foglalására, tudományos értékelésére, segítséget nyújtva a mindennapi klinikai gyakorlatban és kutatásokban. Módszer: A méh általunk végzett ultrahangvizsgálatait, valamint a nemzetközi tanulmányokat alapul véve kívánunk javaslatot tenni egy egységes mérési módszer kialakítására, mellyel egyértelmű, pontos, reprodukálható adatokat kaphatunk a méhről. Eredmények: Létrehoztunk egy standardizált paraméterekkel rendelkező mérési eljárást Uteromap néven, melyet alkalmazva objektív méretadatokat kaphatunk a méh ultrahangvizsgálata során. Külön figyelmet fordítottunk arra, hogy az általunk létrehozni kívánt standardizált mérési eljárás alkalmas legyen minden általános, valamint speciális esetben is. A kipróbálás során a legelső 253 páciens adatait elemeztük retrospektív módon. Eredményeink szerint az idősebb életkor megnövekedett méhmagassággal és nagyobb hátsó falvastagsággal korrelált. Következtetés: Arra a következtetésre jutottunk, hogy standardizált mérési módszerünk alkalmazásával a méhről és elváltozásairól sokkal pontosabb, objektívebb és egységesebb adatokat nyerhetünk, anélkül hogy a vizsgálathoz szükséges idő szignifikánsan hosszabb lenne. Munkánk folytatásaként minél több vizsgáló bevonásával szeretnénk a standardizált módszert a mindennapi gyakorlatra kiterjeszteni, a felmerülő igények, javaslatok alapján fejleszteni és létrehozni egy nemzetközileg elfogadott, standardizált mérési eljárást, mellyel az ultrahangvizsgálatok minőségét növelhetnénk, azzal a végső céllal, hogy javítsuk a betegek biztonságát és az ellátás eredményességét.
Tárgyszavak:Orvostudományok Klinikai orvostudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
méh
standardizálás
ultrahang
Megjelenés:Orvosi Hetilap. - 161 : 48 (2020), p. 2029-2036. -
További szerzők:Kovács Anna Rebeka (1993-) (általános orvos) Harangi Balázs (1986-) (programtervező matematikus) Lampé Rudolf (1983-) (szülész-nőgyógyász) Török Péter (1975-) (szülész-nőgyógyász)
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM104440
035-os BibID:(Scopus)85074410403
Első szerző:Kupás Dávid (programtervező informatikus)
Cím:Visualization of Fibroid in Laparoscopy Videos using Ultrasound Image Segmentation and Augmented Reality / Kupas Dávid, Török Péter, Hajdu András, Harangi Balázs
Dátum:2019
ISBN:978-1-7281-3140-5
Tárgyszavak:Orvostudományok Klinikai orvostudományok előadáskivonat
könyvrészlet
Megjelenés:Proceedings of the 11th International Symposium on Image and Signal Processing and Analysis / eds. Lončarić S., Bregović R., Carli M., Subašić M. - p. 60-63. -
További szerzők:Török Péter (1975-) (szülész-nőgyógyász) Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus)
Pályázati támogatás:EFOP-3.6.2-16-2017-00015
EFOP
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
DOI
Borító:

4.

001-es BibID:BIBFORM110137
Első szerző:Lőrincz Judit (általános orvos)
Cím:Az endoszkpia jövője, a jövő endoszkópiája : Szövetek és szervek differenciálása endoszkópia során konvolúciós neurális hálózat segítségével / Lőrincz Judit, Harangi Balázs, Lampé Rudolf, Török Péter;
Dátum:2020
ISSN:0025-021X
Tárgyszavak:Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
endoszkópia
digitális képfeldolgozás
konvolúciós neurális hálózat
döntéstámogató rendszer
laparoszkópia
Megjelenés:MAGYAR NŐORVOSOK LAPJA. - 82 (2020), p. 20-22. -
További szerzők:Harangi Balázs (1986-) (programtervező matematikus) Lampé Rudolf (1983-) (szülész-nőgyógyász) Török Péter (1975-) (szülész-nőgyógyász)
Pályázati támogatás:GINOP-2.1.1-15-2015-00376
GINOP
VKSZ 14-1-2015-0072
GINOP
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM077469
Első szerző:Lőrincz Judit (általános orvos)
Cím:Az endoszkópia jövője, a jövő endoszkópiája : szövetek és szervek differenciálása endoszkópia során konvolúciós neurális hálózat segítségével / Lőrincz Judit, Harangi Balázs, Lampé Rudolf, Török Péter
Dátum:2019
ISSN:0025-021X
Megjegyzések:Célkitűzés: A laparoszkópos műtétek során a taktilis ingerek hiánya miatt, sajátos technika és szemlélet szükséges. Az endoszkópos műtétek során a szervfelismerés támogatására kifejlesztésre került egy félautomata, mély tanuló, konvolúciós neurális hálózat alapú eszköz, amely nagy pontossággal képes megkülönböztetni a különböző típusú szövettani struktúrákat. Anyag és módszer: A kifejlesztett döntéstámogató alkalmazás eszköztárában a felismerendő anatómiai részeket manuálisan kell megjelölni a kimerevített képkockán. Ezután az azonosítandó szerveket a kijelölt rész elemzésével megoldja egy alkalmasan betanított konvolúciós neurális hálózat segítségével, és a kapott címkéket a képkocka megfelelő szerveihez rögzíti. Eredmények: Adatainkat a Debreceni Egyetem Szülészeti és Nőgyógyászati Klinikáján végzett endoszkópos nőgyógyászati műtétek során rögzített felvételek feldolgozásából nyertük. Ebből (27 videóról felvett), 2000 kép készült hogy betanítsuk a neurális hálót, míg a fennmaradó részt tesztelésre használtuk. Jelenlegi beállításunkkal 94,2% -os pontosságot értünk el az ureter és artéria uterina megkülönböztetésében. Következtetések: A konvolúciós neurális hálózat segítségével létrehoztunk egy olyan döntéstámogató rendszert, melynek alkalmazása mind a tanulásban ? oktatásban, mind pedig az endoszkópos beavatkozások során nagy segítséget nyújthat az operatőrnek, ezzel csökkentve a műtéti időt és a szövődmények kialakulásának esélyét.
Tárgyszavak:Orvostudományok Klinikai orvostudományok magyar nyelvű folyóiratközlemény hazai lapban
endoszkópia
laparoszkópia
döntéstámogató rendszer
digitális képfeldolgozás
konvolúciós neurális hálózat
Megjelenés:Magyar Nőorvosok Lapja. - 82 : 1 (2019), p. 20-22. -
További szerzők:Harangi Balázs (1986-) (programtervező matematikus) Lampé Rudolf (1983-) (szülész-nőgyógyász) Török Péter (1975-) (szülész-nőgyógyász)
Pályázati támogatás:GINOP-2.1.1-15-2015-00376
GINOP
VKSZ 14-1-2015-0072
Egyéb
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM076696
Első szerző:Török Péter (szülész-nőgyógyász)
Cím:Augmented reality applied in endoscopic surgeries / Péter Török, Balázs Harangi
Dátum:2018
Megjegyzések:Background Endoscopic surgery of fibroids is definitive and feasible way of therapy in symptomatic cases. Intramural fibroids located in the deep myometrium cannot be seen by naked eye, or palpated by laparoscopic, or hysteroscopic instruments. Avoiding unnecessary incisions on the uterine wall, it is important to localize precisely the fibroids pre- and intra-operatively. Augmented reality is used more and more fields of everyday life. Applying these methods can help in combining preoperative information with endoscopic video. Using MRI has been published for this function. Costs of MRI are high and availability is limited compared to ultrasonography. With a newly invented technique preoperatively ultrasonographic scanned data can be projected on the real-time video showing the exact localization of the fibroid. Methods During the preoperative work-up a 3D ultrasound scan is performed of the uterus. The result of this imaging system is stored in DICOM format and it contains information about the 3D volume of the uterus. The proposed method can extract and construct automatically the 3D model of the investigated uterus. Then, fibroid can be marked manually by surgeon in this model. Finally, using the manually selected (at least three) reference points for the registration of the different modalities, the proposed methods performs the necessary affine transformations on the 3D uterus model and project to the video frame. In this way, by the technique of the augmented reality, a previously scanned uterus with fibroid in the deep myometrium is projected on the video fame of a video taken during endoscopic surgery. Results In two cases of intramural fibroid this new technique was used. By applying augmented reality during one-one cases of laparoscopic and hysteroscopic surgery fibroid was identified. Resecting fibroid happened by one incision. Conclusions Using the advantages of augmented reality, finding and localizing fibroid is easier during endoscopic surgery. Ultrasonography is widely available procedure with lower costs. Preoperative ultrasonographic scan can help in fibroid identifying and localizing procedures. Performing the proper incision, without any others unnecessary ones, complication rate, blood loss and duration of operation can be significantly reduced.
Tárgyszavak:Orvostudományok Klinikai orvostudományok előadáskivonat
Megjelenés:Abstracts of the 27th Annual Congress of the European / ed. ESGE. - p. 232.
További szerzők:Harangi Balázs (1986-) (programtervező matematikus)
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM074341
035-os BibID:(WOS)000454454600014 (Scopus)85049921240
Első szerző:Török Péter (szülész-nőgyógyász)
Cím:Digital Image Analysis with Fully Connected Convolutional Neural Network to Facilitate Hysteroscopic Fibroid Resection / Péter Török, Balázs Harangi
Dátum:2018
ISSN:0378-7346
Megjegyzések:AimsTo determine the accuracy of deep neural network in identifying the plane between myoma and normal myometrium.MethodsOn the images of surgery, different structures were signed and annotated for the training phase. After the appropriate training of the deep neural network with 4688 images from that training set, 1600 formerly unseen images were used for testing.Indication for surgery was heavy menstrual bleeding and hysteroscopic finding was submucous fibroid. Operative intervention was fibroid resection. Recorded videos of transcervical resection of myoma in 13 cases were used for the study. Different filters and procedures were applied by the fully convolutional neural network (FCNN) for identifying previously annotated structures.ResultsPreviously manually annotated images and the manually drawn bitmasks were used for training the applied fully convolutional neural network and then this pre-trained network was used for automatic segmentation of normal myometrium in an unseen video frame. The segmentation pixel-wise accuracy achieved the 86.19% considering the Hausdorff metric.ConclusionUsing deep learning technique in analyzing process of endoscopic video frame could help in real-time identification of structures while performing endoscopic surgery.
Tárgyszavak:Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
convolutional neural network
deep learning
endoscopy
hysteroscopy
fibroid
Megjelenés:Gynecologic And Obstetric Investigation. - 83 : 6 (2018), p. 615-619. -
További szerzők:Harangi Balázs (1986-) (programtervező matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM071334
Első szerző:Török Péter (szülész-nőgyógyász)
Cím:Differentiating tissues and organs in endoscopic images using a convolutional neural network / Török Péter, Lampé Rudolf, Harangi Balázs, Lőrincz Judit
Dátum:2017
ISSN:0268-1161
Megjegyzések:TitleDifferentiating tissues and organs in endoscopic images using a convolutional neural networkStudy questionIs it possible to identify different tissues and organs during endoscopy supported by a software.Summary answer During the learning curve of laparoscopy trainees can get help in differentiating tissues by an automated digital image processing based decision support systemWhat is known already Endoscopy surgery is the part of everyday work of surgeon. In an experienced hand provides less postoperative morbidity, complications and the time periods of hospital stay and returning to normal activity, so it has a lot of advantages compared to the laparotomy.Opposing to open-surgery, the recognition of organs is rather difficult in laparoscopy because of the lack of the tactile information. Knowing detailed anatomy, having experience letting us to recognize structures in the abdominal cavity. Because of the anatomical variations, tissue identification is not always sure relying on the visual information.Study design, size, duration COur dataset has been collected retrospectively during 35 different gynecological endoscopic operations at the Department of Obstetrics and Gynecology of the University of Debrecen. The videos have been recorded by a high definition 1-MOS endoscopic camera at 30 frames/sec rate and resolution of 1920?1080 pixels.Participants/materials, setting, methods Data of patients scheduled for gynecological endoscopic operations are analyzed. The medical expert or an assistant should manually mark the region of interest. Then, the maximum number of sub-images of size 224?224 pixels are cut off along the axis from the video frame. Finally, the classification problem is solved automatically using a convolutional neural network with the resulted labels are pinned on the corresponding organs in the video frame.Main results and the role of chance We have presented an approach to develop an application, which helps medical experts with performing endoscopic surgeries. Our effort primarily addressed the drawback of losing tactile information during key-hole surgery in the recognition of different organs. To address this problem, we have developed a semi-automatic tool, which requires a manual annotation regarding the axis of the interested organs first. Then, several sub-images covering the selected organs are extracted and classified by a fine-tuned GoogLeNet convolutional neural network.The classification performance of the fine-tuned GoogLeNet model on our test dataset considering the top-1 error rate is 0.193 at sub-image level. That is, 403 out of the 500 test images have been classified correctly. However, notice that these sub-images are only small, non-overlapping segments of the interested organs. That is, it is reasonable to fuse these label information for recognizing the corresponding organ. To do so, we have applied the simple majority-voting rule on the 4-5 labels supplied by the sub-images for the same organ. In this way, our proposed approach has reached 94.2% final accuracy regarding this binary classification task.Limitations, reasons for cautionOur collected dataset is relatively small with containing insufficient number of images to train a complex neural network, so we should extend the size of our dataset.Wider implications of the findings Using the software made by the results of the study, accuracy of the tissue/organ recognition could be increased during training laparoscopic technique, or for the experts as well.Study funding/competing interest(s) This work was supported in part by the projects GINOP-2.1.1-15-2015-00376 and VKSZ 14-1-2015-0072, SCOPIA: Development of diagnostic tools based on endoscope technology supported by the European Union, co-financed by the European Social Fund.
Tárgyszavak:Orvostudományok Klinikai orvostudományok idézhető absztrakt
laparoszkópia
endoszkópia
mélytanulás
konvolúcionális neurális hálózat
szövetfelismerés
Megjelenés:Human Reproduction 32 : suppl. 1 (2017), p. 487. -
További szerzők:Lampé Rudolf (1983-) (szülész-nőgyógyász) Harangi Balázs (1986-) (programtervező matematikus) Lőrincz Judit (1988-) (általános orvos)
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM071120
Első szerző:Török Péter (szülész-nőgyógyász)
Cím:Digital Image Analysis with Full Connected Convolutional Neural Network to Facilitate Complete Fibroid Resection / Török P., Harangi B.
Dátum:2017
ISSN:1553-4650
Megjegyzések:Study Objective Facilitate to find the correct layer between the fibroid and the normal myometrium by analyzing videos of hysteroscopic fibroid resection. Design Images are cut off of recorded videos of TCRMs. These images were analyzed by full connected convolutional neural network. Images and sub-images were created. Different filters and procedures were applied by the fully convolutional neural network (FCNN) for identifying previously annotated structures. Design Classification Canadian Task Force II-2 Setting On the images of surgery, different structures were signed and annotated for the training phase. After the appropriate training of the deep neural network with 4688 images from that training set, 1600 formerly unseen images were used for testing. Patients Indication for surgery was heavy menstrual bleeding and hysteroscopic finding was submucous fibroid. Operative intervention was fibroid resection. Recorded videos of transcervical resection of myoma are used for the study. Measurements and Main Results Previously manually annotated images and the manually drawn bitmasks were used for training the applied fully convolutional neural network and then this pre-trained network was used for automatic segmentation of normal myometrium in an unseen video frame. The segmentation pixel-wise accuracy achieved the 86.19% considering the Hausdorff metric. Conclusion Using deep learning technique in analyzing process of endoscopic video frame could help in real-time identification of structures while performing endoscopic surgery.
Tárgyszavak:Orvostudományok Klinikai orvostudományok idézhető absztrakt
neural network
fibroid
endoscopy
digital image analysis
Megjelenés:Journal Of Minimally Invasive Gynecology 24 : 7 (2017), p. 161. -
További szerzők:Harangi Balázs (1986-) (programtervező matematikus)
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.