論文の概要: Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification

• arxiv url: http://arxiv.org/abs/2010.02732v1
• Date: Tue, 6 Oct 2020 13:55:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 07:48:42.948153
• Title: Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification
• Title（参考訳）: 画像分類を用いた超音波ガイド放射線治療のための補助プローブ位置決め
• Authors: Alexander Grimwood, Helen McNair, Yipeng Hu, Ester Bonmati, Dean Barratt, Emma Harris
• Abstract要約: 前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
• 参考スコア（独自算出の注目度）: 55.96221340756895
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective transperineal ultrasound image guidance in prostate external beam radiotherapy requires consistent alignment between probe and prostate at each session during patient set-up. Probe placement and ultrasound image inter-pretation are manual tasks contingent upon operator skill, leading to interoperator uncertainties that degrade radiotherapy precision. We demonstrate a method for ensuring accurate probe placement through joint classification of images and probe position data. Using a multi-input multi-task algorithm, spatial coordinate data from an optically tracked ultrasound probe is combined with an image clas-sifier using a recurrent neural network to generate two sets of predictions in real-time. The first set identifies relevant prostate anatomy visible in the field of view using the classes: outside prostate, prostate periphery, prostate centre. The second set recommends a probe angular adjustment to achieve alignment between the probe and prostate centre with the classes: move left, move right, stop. The algo-rithm was trained and tested on 9,743 clinical images from 61 treatment sessions across 32 patients. We evaluated classification accuracy against class labels de-rived from three experienced observers at 2/3 and 3/3 agreement thresholds. For images with unanimous consensus between observers, anatomical classification accuracy was 97.2% and probe adjustment accuracy was 94.9%. The algorithm identified optimal probe alignment within a mean (standard deviation) range of 3.7$^{\circ}$ (1.2$^{\circ}$) from angle labels with full observer consensus, comparable to the 2.8$^{\circ}$ (2.6$^{\circ}$) mean interobserver range. We propose such an algorithm could assist ra-diotherapy practitioners with limited experience of ultrasound image interpreta-tion by providing effective real-time feedback during patient set-up.
• Abstract（参考訳）: 前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 プローブ配置と超音波画像インタープレテーションは操作者のスキルに基づく手作業であり、放射線治療精度を低下させる操作間不確実性をもたらす。 画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 第1セットは、外部前立腺、前立腺周囲、前立腺中心といったクラスを用いて、視野で見える関連する前立腺解剖を識別する。 第2のセットでは、プローブと前立腺中心との間のアライメント(左、右、ストップ)を達成するために、プローブ角調整を推奨している。 アルゴリズムは,32例の61症例から9,743例の臨床画像を用いて訓練,試験を行った。 2/3と3/3の閾値で3人の経験的観察者から切り離された分類ラベルに対する分類精度を評価した。 観測者間で一致した画像の場合、解剖学的分類精度は97.2%、プローブ調整精度は94.9%であった。 このアルゴリズムは、2.8$^{\circ}$ (2.6$^{\circ}$)平均オブザーバ範囲に匹敵する、完全なオブザーバのコンセンサスを持つ角度ラベルから平均3.7$^{\circ}$ (1.2$^{\circ}$)の平均(標準偏差)の範囲内の最適なプローブアライメントを同定した。 そこで本研究では,超音波画像解釈の経験が限られたra-diotherapyの実践者に対して,患者設定時の実時間フィードバックを効果的に提供するアルゴリズムを提案する。

関連論文リスト

• Nested ResNet: A Vision-Based Method for Detecting the Sensing Area of a Drop-in Gamma Probe [2.835688998859888]
  ドロップインガンマプローブは、リンパ節検出のためのロボット支援最小侵襲手術(RAMIS)に広く用いられている。 従来の研究では、腹腔鏡画像を用いて感知領域の位置を予測しようとしたが、予測精度は不十分であった。 本研究では,プローブの知覚領域を予測するための3分岐深度学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-30T16:08:43Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• RUSOpt: Robotic UltraSound Probe Normalization with Bayesian Optimization for In-plane and Out-plane Scanning [4.420121239028863]
  超音波画像の品質管理において,ロボットプローブの適切な配向が重要な役割を担っている。 走査面上の接触点に対する超音波プローブの向きを自動的に調整する試料効率向上手法を提案する。
  論文  参考訳（メタデータ） (2023-10-05T09:22:16Z)
• 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)
• Identifying Visible Tissue in Intraoperative Ultrasound Images during Brain Surgery: A Method and Application [1.4408275800058263]
  術中超音波検査は, 必要なビゾタクタクタブル・タスクである。 オペレーターは超音波の視点を同時にローカライズし、プローブのポーズを手動で調整する必要がある。 超音波プローブと組織接触の解析を可能にする可視組織同定法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T23:06:14Z)
• 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)
• Domain Generalization for Prostate Segmentation in Transrectal Ultrasound Images: A Multi-center Study [2.571022281023314]
  超音波画像における前立腺分割のための新しい2.5次元ディープニューラルネットワークを提案する。 対象は,1施設764項目で,その後10項目のみを用いてモデルを微調整した。 本手法は, 独立した被験者群で平均9.0pm0.03$, Hausdorff Distance (HD95) 平均2.28$mm$のDice類似係数(Dice)を達成した。
  論文  参考訳（メタデータ） (2022-09-05T20:20:19Z)
• Comparison of Depth Estimation Setups from Stereo Endoscopy and Optical Tracking for Point Measurements [1.1084983279967584]
  最小侵襲の僧帽弁修復を支援するため、赤外追跡スタイラスを用いて弁からの定量的測定を得ることができる。 両座標系を繋ぎ、点を画像面に投影する前提条件であるハンドアイキャリブレーションが必要である。 これに対する補完的なアプローチは、3D座標を得るために、視覚に基づく立体セットを用いて興味のある点を検出し、三角測量することである。 予備的な結果から、3Dランドマーク推定は、手動でラベル付けするか、あるいはディープラーニングによる部分的自動検出によって行われる。
  論文  参考訳（メタデータ） (2022-01-26T10:15:46Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• 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)

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。