論文の概要: Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes

• arxiv url: http://arxiv.org/abs/2004.13567v1
• Date: Tue, 28 Apr 2020 14:43:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 23:35:31.369079
• Title: Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes
• Title（参考訳）: 出生前超音波ボリュームにおける胎児頭部の自動分節に対するハイブリッド注意
• Authors: Xin Yang, Xu Wang, Yi Wang, Haoran Dou, Shengli Li, Huaxuan Wen, Yi Lin, Pheng-Ann Heng, Dong Ni
• Abstract要約: 胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
• 参考スコア（独自算出の注目度）: 52.53375964591765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background and Objective: Biometric measurements of fetal head are important indicators for maternal and fetal health monitoring during pregnancy. 3D ultrasound (US) has unique advantages over 2D scan in covering the whole fetal head and may promote the diagnoses. However, automatically segmenting the whole fetal head in US volumes still pends as an emerging and unsolved problem. The challenges that automated solutions need to tackle include the poor image quality, boundary ambiguity, long-span occlusion, and the appearance variability across different fetal poses and gestational ages. In this paper, we propose the first fully-automated solution to segment the whole fetal head in US volumes. Methods: The segmentation task is firstly formulated as an end-to-end volumetric mapping under an encoder-decoder deep architecture. We then combine the segmentor with a proposed hybrid attention scheme (HAS) to select discriminative features and suppress the non-informative volumetric features in a composite and hierarchical way. With little computation overhead, HAS proves to be effective in addressing boundary ambiguity and deficiency. To enhance the spatial consistency in segmentation, we further organize multiple segmentors in a cascaded fashion to refine the results by revisiting context in the prediction of predecessors. Results: Validated on a large dataset collected from 100 healthy volunteers, our method presents superior segmentation performance (DSC (Dice Similarity Coefficient), 96.05%), remarkable agreements with experts. With another 156 volumes collected from 52 volunteers, we ahieve high reproducibilities (mean standard deviation 11.524 mL) against scan variations. Conclusion: This is the first investigation about whole fetal head segmentation in 3D US. Our method is promising to be a feasible solution in assisting the volumetric US-based prenatal studies.
• Abstract（参考訳）: 背景と目的:胎児の頭部の生体計測は妊娠中の母親および胎児の健康モニタリングにとって重要な指標である。 3D超音波(US)は胎児の頭部全体を2Dスキャンで覆い、診断を促進することができる。 しかし、胎児の頭部を米国全巻に自動的に分割することは、新しい未解決の問題として今も残っている。 自動化ソリューションが取り組むべき課題には、画像品質の低さ、境界曖昧さ、長時間の閉塞、胎児のポーズや胎児の年齢による外観変化などがある。 本稿では, 胎児の頭部全体をusボリュームに分割する最初の完全自動解を提案する。 メソッド: セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に、セグメンタとハイブリッドアテンションスキーム(HAS)を組み合わせることで、識別的特徴を選択し、非変形的ボリューム特徴を複合的かつ階層的に抑制する。 計算オーバーヘッドが少ないため、HASは境界の曖昧さと不足に対処するのに有効である。 セグメンテーションにおける空間的一貫性を高めるために,複数のセグメンテーションを逐次的に整理し,前者の予測における文脈を再検討することで結果を洗練する。 結果: 健常者100名から収集した大規模データセット上で検証した結果, 優れたセグメンテーション性能(dsc (dice similarity coefficient) 96.05%), 専門家との顕著な合意が得られた。 また,52名のボランティアから156巻を採取し,スキャン変動に対して高い再現性(平均偏差11.524mL)を示した。 結論: 3D USにおける胎児の頭部分節に関する最初の調査である。 本手法は,米国における出生前大量研究を支援するための有効なソリューションとなることを約束する。

関連論文リスト

• PSFHS Challenge Report: Pubic Symphysis and Fetal Head Segmentation from Intrapartum Ultrasound Images [20.956972919840293]
  第26回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2023)に先立ち、公衆衛生・胎児頭に関するグランドチャレンジ(PSFHS)が開催された。 この課題は、国際規模での自動セグメンテーションアルゴリズムの開発を強化することを目的としており、5,101個のパルタ内超音波画像でこれまでで最大のデータセットを提供する。 このアルゴリズムは、パルタ内超音波画像から自動PSFHSの最先端性を向上した。
  論文  参考訳（メタデータ） (2024-09-17T08:24:34Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Enhancing Generalized Fetal Brain MRI Segmentation using A Cascade Network with Depth-wise Separable Convolution and Attention Mechanism [2.2252684361733293]
  そこで我々は,胎児脳MRIセグメントの精度と一般化を高めるために,CasUNextと呼ばれる新しいカスケードネットワークを提案する。 CasUNextはPhilipsとSiemensの2つのスキャナーから20～36週間の胎児MRIで評価した。 その結果,CasUNext は U-Net や他の最先端手法と比較してセグメンテーション性能が向上していることがわかった。
  論文  参考訳（メタデータ） (2024-05-24T04:23:22Z)
• Multi-Task Learning Approach for Unified Biometric Estimation from Fetal Ultrasound Anomaly Scans [0.8213829427624407]
  本稿では,頭部,腹部,大腿骨に領域を分類するマルチタスク学習手法を提案する。 頭部周囲の平均絶対誤差は1.08mm,腹部周囲は1.44mm,大腿骨骨長は1.10mm,分類精度は99.91%であった。
  論文  参考訳（メタデータ） (2023-11-16T06:35:02Z)
• FetusMapV2: Enhanced Fetal Pose Estimation in 3D Ultrasound [28.408626329596668]
  以上の課題を克服するために,新しい3次元ポーズ推定フレームワーク(FetusMapV2)を提案する。 まず,ネットワーク構造に制約がなく,アクティベーションに制約のないGPUメモリ管理手法を提案する。 第2に、対称構造と類似の解剖構造による混乱を軽減するために、新しいペアロスを設計する。 第3に、比較的安定したランドマークを選択して、オンラインのポーズを洗練させることにより、自己指導型形状事前学習を提案する。
  論文  参考訳（メタデータ） (2023-10-30T06:18:47Z)
• Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance from High-Quality Isotropic Volumes [52.242103848335354]
  本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。 我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
  論文  参考訳（メタデータ） (2023-08-13T12:51:15Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• Towards A Device-Independent Deep Learning Approach for the Automated Segmentation of Sonographic Fetal Brain Structures: A Multi-Center and Multi-Device Validation [0.0]
  胎児脳USG画像(2D)から得られた2軸平面から10個の重要な胎児脳構造の自動分割のためのDLベースセグメンテーションフレームワークを提案する。 提案するDLシステムは,有望かつ汎用的な性能(マルチセンタ,マルチデバイス)を提供し,画像品質のデバイスによる変動を支持する証拠を提示する。
  論文  参考訳（メタデータ） (2022-02-28T05:42:03Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。