論文の概要: Force-Ultrasound Fusion: Bringing Spine Robotic-US to the Next "Level"

• arxiv url: http://arxiv.org/abs/2002.11404v1
• Date: Wed, 26 Feb 2020 10:49:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 15:35:51.850035
• Title: Force-Ultrasound Fusion: Bringing Spine Robotic-US to the Next "Level"
• Title（参考訳）: Force-Ultrasound Fusion:Spine Robotic-USを次の「レベル」に持ち込む
• Authors: Maria Tirindelli, Maria Victorova, Javier Esteban, Seong Tae Kim, David Navarro-Alarcon, Yong Ping Zheng and Nassir Navab
• Abstract要約: ロボットアームは、脊椎のレベルを特定するためにフォース超音波データを用いて、ボランティアの背中を自動的にスキャンする。 椎体レベルの発生は、患者背中にロボットが作用する力を適切に制御することにより、ピークとして力トレース上に見え、増強される。 融合法は、テストセット内の脊椎レベルの100%を正しく分類することができ、純粋な画像と純粋な力に基づく方法は、それぞれ80%と90%の脊椎のみを分類することができた。
• 参考スコア（独自算出の注目度）: 46.13840565802387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spine injections are commonly performed in several clinical procedures. The localization of the target vertebral level (i.e. the position of a vertebra in a spine) is typically done by back palpation or under X-ray guidance, yielding either higher chances of procedure failure or exposure to ionizing radiation. Preliminary studies have been conducted in the literature, suggesting that ultrasound imaging may be a precise and safe alternative to X-ray for spine level detection. However, ultrasound data are noisy and complicated to interpret. In this study, a robotic-ultrasound approach for automatic vertebral level detection is introduced. The method relies on the fusion of ultrasound and force data, thus providing both "tactile" and visual feedback during the procedure, which results in higher performances in presence of data corruption. A robotic arm automatically scans the volunteer's back along the spine by using force-ultrasound data to locate vertebral levels. The occurrences of vertebral levels are visible on the force trace as peaks, which are enhanced by properly controlling the force applied by the robot on the patient back. Ultrasound data are processed with a Deep Learning method to extract a 1D signal modelling the probabilities of having a vertebra at each location along the spine. Processed force and ultrasound data are fused using a 1D Convolutional Network to compute the location of the vertebral levels. The method is compared to pure image and pure force-based methods for vertebral level counting, showing improved performance. In particular, the fusion method is able to correctly classify 100% of the vertebral levels in the test set, while pure image and pure force-based method could only classify 80% and 90% vertebrae, respectively. The potential of the proposed method is evaluated in an exemplary simulated clinical application.
• Abstract（参考訳）: 脊椎注射は、いくつかの臨床手順で一般的に行われる。 目標の椎骨レベル(つまり脊椎内の椎骨の位置)の局在は通常、後方の触診またはx線指導によって行われ、手順の失敗や電離放射線への曝露の可能性が高くなる。 文献で予備研究が行われており、超音波イメージングは脊椎レベルの検出にX線の代わりに正確かつ安全な方法である可能性が示唆されている。 しかし、超音波データはノイズが多く、解釈が難しい。 本研究では,自動脊椎レベル検出のためのロボット超音波法を提案する。 この方法は超音波と力データの融合に依存しており、その過程で「触覚」と「視覚フィードバック」の両方を提供し、データ破損の有無で高いパフォーマンスをもたらす。 ロボットアームは、脊椎のレベルを特定するためにフォース超音波データを用いて、ボランティアの背中を自動的にスキャンする。 脊椎レベルの発生は、患者の背中にロボットが与える力を適切に制御することで、力の痕跡をピークとして見ることができる。 超音波データを深層学習法で処理し、脊椎の各部位に椎骨を有する確率をモデル化する1d信号を抽出する。 処理された力と超音波データを1D畳み込みネットワークを用いて融合し、脊椎レベルの位置を計算する。 本手法は, 脊椎レベル計数のための純画像および純力に基づく方法と比較し, 性能改善を示した。 特に、融合法は、テストセット内の脊椎レベルの100%を正しく分類することができ、純粋な画像と純粋な力に基づく方法は、それぞれ80%と90%の脊椎のみを分類できる。 提案法の可能性は,模範的な臨床応用として評価されている。

関連論文リスト

• Deep Learning based acoustic measurement approach for robotic applications on orthopedics [4.399658501226972]
  Aモード超音波(US)による骨追跡の精度向上のための新しい深層学習構造を提案する。 本研究では,Aモード超音波(US)による骨追跡の精度を向上させるための新しい深層学習構造を提案する。
  論文  参考訳（メタデータ） (2024-03-09T11:09:45Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• VertMatch: A Semi-supervised Framework for Vertebral Structure Detection in 3D Ultrasound Volume [26.29675263407612]
  3次元3次元超音波イメージング技術は, 側頭葉症評価に応用されている。 現在の評価法は、コロナプロジェクション画像のみを使用し、3次元変形と脊椎回転を説明できない。 本稿では,3次元超音波体積中の脊椎構造を検出するための2段階のフレームワークであるVertMatchを提案する。
  論文  参考訳（メタデータ） (2022-12-28T06:50:35Z)
• SpineNetV2: Automated Detection, Labelling and Radiological Grading Of Clinical MR Scans [70.04389979779195]
  SpineNetV2は、臨床脊髄磁気共鳴(MR)スキャンで脊椎を検知し、ラベル付けする自動化ツールである。 また、T2強調スキャンで腰椎椎間板のX線学的グレーディングを行い、様々な一般的な変性変化を観察する。
  論文  参考訳（メタデータ） (2022-05-03T15:05:58Z)
• Interpretable Vertebral Fracture Quantification via Anchor-Free Landmarks Localization [0.04925906256430176]
  椎体圧迫骨折は骨粗しょう症の早期徴候である。 3次元CT画像に椎体を局在させる新しい2段階アルゴリズムを提案する。 そして、個々の椎骨を検出し、同時に2Dで骨折を定量化する。
  論文  参考訳（メタデータ） (2022-04-14T08:31:25Z)
• Follow the Curve: Robotic-Ultrasound Navigation with Learning Based Localization of Spinous Processes for Scoliosis Assessment [1.7594269512136405]
  本稿では,脊椎曲率追跡と自動ナビゲーションのためのロボット超音波手法を提案する。 非畳み込みヘッドを用いた完全接続型ネットワークを開発し, リアルタイム超音波画像を用いて, スピン化過程を効率よく検出する。 我々は、プローブと皮膚の良好な音響結合を確保するために、皮膚表面に対してプローブの姿勢を自動的に調整する新しい力駆動制御器を開発した。
  論文  参考訳（メタデータ） (2021-09-11T06:25:30Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)
• Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
  脊椎に焦点をあてた新しいランドマーク検出法を提案する。 我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。 その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
  論文  参考訳（メタデータ） (2020-01-09T19:17:41Z)

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。