CCL

Összesen 5 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: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:

4.

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:

5.

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:
Rekordok letöltése1 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.