論文の概要: Agent with Warm Start and Active Termination for Plane Localization in
3D Ultrasound
- arxiv url: http://arxiv.org/abs/1910.04331v2
- Date: Sun, 3 Mar 2024 12:01:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 04:43:27.075222
- Title: Agent with Warm Start and Active Termination for Plane Localization in
3D Ultrasound
- Title（参考訳）: 3次元超音波による平面定位のためのウォームスタート・アクティブターミネーション剤
- Authors: Haoran Dou, Xin Yang, Jikuan Qian, Wufeng Xue, Hao Qin, Xu Wang,
Lequan Yu, Shujun Wang, Yi Xiong, Pheng-Ann Heng, Dong Ni
- Abstract要約: 超音波(US)診断には標準面の局在が不可欠である。
出生前のアメリカでは、何十もの標準的な飛行機が手動で2Dプローブで取得される。
胎児脳標準平面を3DUSで自動的に局所化するための新しい強化学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 56.14006424500334
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Standard plane localization is crucial for ultrasound (US) diagnosis. In
prenatal US, dozens of standard planes are manually acquired with a 2D probe.
It is time-consuming and operator-dependent. In comparison, 3D US containing
multiple standard planes in one shot has the inherent advantages of less
user-dependency and more efficiency. However, manual plane localization in US
volume is challenging due to the huge search space and large fetal posture
variation. In this study, we propose a novel reinforcement learning (RL)
framework to automatically localize fetal brain standard planes in 3D US. Our
contribution is two-fold. First, we equip the RL framework with a
landmark-aware alignment module to provide warm start and strong spatial bounds
for the agent actions, thus ensuring its effectiveness. Second, instead of
passively and empirically terminating the agent inference, we propose a
recurrent neural network based strategy for active termination of the agent's
interaction procedure. This improves both the accuracy and efficiency of the
localization system. Extensively validated on our in-house large dataset, our
approach achieves the accuracy of 3.4mm/9.6{\deg} and 2.7mm/9.1{\deg} for the
transcerebellar and transthalamic plane localization, respectively. Ourproposed
RL framework is general and has the potential to improve the efficiency and
standardization of US scanning.
- Abstract（参考訳）: 超音波診断には標準平面定位が不可欠である。
米国では、数十機の標準機が手動で2Dプローブで取得される。
時間とオペレータに依存します。
対照的に、複数の標準平面を1ショットに含む3D USは、ユーザ依存性の低減と効率の向上に固有の利点がある。
しかし,大検索空間と胎児姿勢の変化により,米国における手動平面定位は困難である。
本研究では,3次元usにおける胎児脳標準平面の自動ローカライズを行う新しい強化学習(rl)フレームワークを提案する。
私たちの貢献は2倍です。
まず、RLフレームワークにランドマーク対応アライメントモジュールを装備し、エージェントアクションの温かい開始と強い空間境界を提供し、その有効性を保証する。
第2に、エージェント推論を受動的かつ経験的に終了させる代わりに、エージェントの相互作用手順のアクティブ終了のための繰り返しニューラルネットワークベースの戦略を提案する。
これにより、ローカライズシステムの精度と効率が向上する。
社内の大規模データセットで広く検証されたこのアプローチは、視床面と視床面の局在に対して、それぞれ3.4mm/9.6{\deg}と2.7mm/9.1{\deg}の精度を達成している。
提案するRLフレームワークは汎用的で,USスキャンの効率化と標準化の可能性を秘めている。
関連論文リスト
- GOI: Find 3D Gaussians of Interest with an Optimizable Open-vocabulary Semantic-space Hyperplane [53.388937705785025]
3Dオープンボキャブラリのシーン理解は、拡張現実とロボット応用の推進に不可欠である。
GOIは2次元視覚言語基礎モデルから3次元ガウススプラッティング(3DGS)に意味的特徴を統合するフレームワークである。
提案手法では,特徴空間内の超平面分割として特徴選択処理を扱い,クエリに関連性の高い特徴のみを保持する。
論文 参考訳（メタデータ） (2024-05-27T18:57:18Z) - Language-Guided 3D Object Detection in Point Cloud for Autonomous
Driving [91.91552963872596]
我々は,LiDARグラウンディングと呼ばれるマルチモーダルな視覚的グラウンドニングタスクを提案する。
言語特徴を持つLiDARベースの物体検出器を共同で学習し、検出器から直接対象領域を予測する。
私たちの研究は、LiDARベースの接地作業に関する深い洞察を提供しており、自動運転コミュニティにとって有望な方向性を示すものと期待しています。
論文 参考訳（メタデータ） (2023-05-25T06:22:10Z) - Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates
in the Fetal Brain [9.465965149145559]
我々は,センサを付加することなく,3次元可視化,トレーニング,ガイダンスのための米国の航空機ローカライゼーションシステムを構築することを目指している。
この研究は、胎児の脳をスライスする米国飛行機の6次元(6次元)のポーズを予測する、これまでの研究に基づいています。
トレーニングおよびテストデータにおける登録品質の影響とその後のトレーニングモデルへの影響について検討する。
論文 参考訳（メタデータ） (2023-01-19T21:16:36Z) - Agent with Tangent-based Formulation and Anatomical Perception for
Standard Plane Localization in 3D Ultrasound [56.7645826576439]
3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。
まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。
第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
論文 参考訳（メタデータ） (2022-07-01T14:53:27Z) - Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
論文 参考訳（メタデータ） (2021-08-12T15:22:33Z) - Searching Collaborative Agents for Multi-plane Localization in 3D
Ultrasound [15.573821037925143]
3D超音波は複数の標準平面(SP)を1枚のショットに収めることができる。
3D USにおける手動SPのローカライゼーションは、画像品質が低く、検索スペースが大きく、解剖学的変動が大きいため、難しい。
3DUSで複数のSPを同時にローカライズするマルチエージェント強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-22T02:48:23Z) - Agent with Warm Start and Adaptive Dynamic Termination for Plane
Localization in 3D Ultrasound [14.256624552635786]
本研究は, エージェント探索の早期停止を可能にするために, 適応動的終端を新たに設計し, 従来のRLフレームワークを強化した。
2.52mm/10.26度,2.48mm/10.39度,2.02mm/10.48度,2.00mm/14.57度,2.61mm/9.71度,3.9mm/9.58度,1.49mm/7.54度,胎児脳内,腹腔内,子宮中,横,冠状面の局在誤差を実現する。
論文 参考訳（メタデータ） (2021-03-26T14:57:26Z) - Searching Collaborative Agents for Multi-plane Localization in 3D
Ultrasound [59.97366727654676]
3D超音波(US)はその豊富な診断情報、可搬性、低コストのために広く用いられている。
米国における標準平面(SP)のローカライゼーションは,効率の向上とユーザ依存の低減だけでなく,米国における3D解釈の促進にも寄与する。
本稿では,複数の子宮SPを同時に3D USにローカライズするマルチエージェント強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-30T07:23:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。