論文の概要: Bone Feature Segmentation in Ultrasound Spine Image with Robustness to
Speckle and Regular Occlusion Noise
- arxiv url: http://arxiv.org/abs/2010.03740v1
- Date: Thu, 8 Oct 2020 02:44:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 12:51:39.404678
- Title: Bone Feature Segmentation in Ultrasound Spine Image with Robustness to
Speckle and Regular Occlusion Noise
- Title(参考訳): スペックルと正常閉塞音に対するロバスト性を有する超音波松葉体像の骨像分割
- Authors: Zixun Huang, Li-Wen Wang, Frank H. F. Leung, Sunetra Banerjee, De
Yang, Timothy Lee, Juan Lyu, Sai Ho Ling, Yong-Ping Zheng
- Abstract要約: 3D超音波画像は、低コストで、放射線のない、リアルタイムな特徴のおかげで、スコリオーシスの診断に大いに期待できる。
超音波画像で側鎖骨に到達するための鍵は、骨の領域を正確に区分けし、骨の特徴の対称性に基づいて側鎖骨の度合いを測定することである。
本稿では,超音波スピネルボリューム投影画像(VPI)画像のU-net構造に基づく頑健な骨特徴分割法を提案する。
- 参考スコア(独自算出の注目度): 11.11171761130519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D ultrasound imaging shows great promise for scoliosis diagnosis thanks to
its low-costing, radiation-free and real-time characteristics. The key to
accessing scoliosis by ultrasound imaging is to accurately segment the bone
area and measure the scoliosis degree based on the symmetry of the bone
features. The ultrasound images tend to contain many speckles and regular
occlusion noise which is difficult, tedious and time-consuming for experts to
find out the bony feature. In this paper, we propose a robust bone feature
segmentation method based on the U-net structure for ultrasound spine Volume
Projection Imaging (VPI) images. The proposed segmentation method introduces a
total variance loss to reduce the sensitivity of the model to small-scale and
regular occlusion noise. The proposed approach improves 2.3% of Dice score and
1% of AUC score as compared with the u-net model and shows high robustness to
speckle and regular occlusion noise.
- Abstract(参考訳): 3次元超音波画像は、その低コストで放射線のないリアルタイム特性のおかげで、スコリシスの診断に非常に有望である。
超音波画像によるスコリオーシスにアクセスする鍵は、骨領域を正確に分割し、骨の特徴の対称性に基づいてスコリオーシス度を測定することである。
超音波画像には、多くのスペックルと通常の閉塞音が含まれており、専門家が骨の特徴を見つけるのは難しく、退屈で時間がかかる。
本稿では,超音波スピネルボリューム投影画像(VPI)画像のU-net構造に基づく頑健な骨特徴分割法を提案する。
提案手法は,小型および正規閉塞雑音に対するモデルの感度を低下させるため,全分散損失を導入する。
提案手法は,u-netモデルと比較してDiceスコアの2.3%とAUCスコアの1%を改良し,スペックルや正規閉塞雑音に対して高い堅牢性を示す。
関連論文リスト
- UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation [59.91293113930909]
超音波による組織散乱の可視化と定量化は中上イメージングが約束している。
既存の手法では、最適なウィンドウサイズの選択に苦労し、推定の不安定性に悩まされている。
提案手法は,中上パラメータ推定のための高精度でクローズドな形状推定器であるUNICORNを提案する。
論文 参考訳(メタデータ) (2024-03-10T18:05:41Z) - B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation [50.208310028625284]
脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。
低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
論文 参考訳(メタデータ) (2023-10-14T15:34:57Z) - 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) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳(メタデータ) (2023-06-06T18:01:08Z) - Using Spatio-Temporal Dual-Stream Network with Self-Supervised Learning
for Lung Tumor Classification on Radial Probe Endobronchial Ultrasound Video [0.0]
肺がんの生検の過程で、医師はリアルタイム超音波画像を使用して、サンプリングに適した病変を見つける。
これまでの研究では良性肺病変と悪性肺病変を効果的に区別するために2D畳み込みニューラルネットワークを用いてきた。
本研究では,3次元ニューラルネットワークに基づく自動診断システムを設計する。
論文 参考訳(メタデータ) (2023-05-04T10:39:37Z) - Automated anomaly-aware 3D segmentation of bones and cartilages in knee
MR images from the Osteoarthritis Initiative [3.8281328621400226]
膝の3次元磁気共鳴(MR)画像における異常を検出するために,U-Netベースニューラルネットワークを用いた多段階アプローチを開発した。
異常検出のために、U-Netベースのモデルが開発され、インペイントによる画像の大腿骨骨の骨の形状を再構築した。
第2の異常認識ネットワークは, 異常診断ネットワークと比較され, 大腿骨, 大腿骨, 大腿骨, パテラー骨, 軟骨の最終的な自動分割に使用された。
論文 参考訳(メタデータ) (2022-11-30T02:35:05Z) - Feature-aggregated spatiotemporal spine surface estimation for wearable
patch ultrasound volumetric imaging [4.287216236596808]
我々は,複数の画像角から反射性骨表面を捉えるためにパッチライクなウェアラブル超音波ソリューションを提案する。
我々のウェアラブル超音波システムは、拡張現実環境で臨床医に直感的で正確な介入指導を提供する可能性がある。
論文 参考訳(メタデータ) (2022-11-11T02:15:48Z) - A bone suppression model ensemble to improve COVID-19 detection in chest
X-rays [0.6999740786886535]
我々は,前頭部胸部X線像の骨を抑制するために,畳み込みニューラルネットワークモデルのアンサンブルを構築することを提案する。
骨抑制モデルでは,MS-SSIMなどの指標で個々のモデルよりも優れた性能を示した。
CXRモダリティ特異的分類モデルは、非骨抑制および骨抑制画像に基づいて再訓練され、正常な肺または他のCOVID-19様の徴候を示すものとして分類される。
論文 参考訳(メタデータ) (2021-11-05T11:27:26Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳(メタデータ) (2021-09-23T15:15:21Z) - Medical Instrument Segmentation in 3D US by Hybrid Constrained
Semi-Supervised Learning [62.13520959168732]
3DUSにおける楽器セグメンテーションのための半教師付き学習フレームワークを提案する。
SSL学習を実現するため、Dual-UNetが提案されている。
提案手法は,Diceの約68.6%-69.1%,推定時間約1秒を実現している。
論文 参考訳(メタデータ) (2021-07-30T07:59:45Z) - Three-dimensional Segmentation of the Scoliotic Spine from MRI using
Unsupervised Volume-based MR-CT Synthesis [3.6273410177512275]
本研究では,無教師付き完全3次元(3次元)クロスモダリティ合成法を提案する。
3D CycleGANモデルはMR領域とCT領域にまたがるボリューム・ツー・ボリューム変換のために訓練される。
結果として生じるセグメンテーションは、脊椎の3次元モデルを再構成するために使用される。
論文 参考訳(メタデータ) (2020-11-25T18:34:52Z)
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。