論文の概要: Deep Learning in Ultrasound Elastography Imaging
- arxiv url: http://arxiv.org/abs/2010.07360v2
- Date: Sat, 31 Oct 2020 18:59:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 13:10:44.992776
- Title: Deep Learning in Ultrasound Elastography Imaging
- Title(参考訳): 超音波エラストグラフィーにおける深層学習
- Authors: Hongliang Li, Manish Bhatt, Zhen Qu, Shiming Zhang, Martin C. Hartel,
Ali Khademhosseini, Guy Cloutier
- Abstract要約: 超音波エラストグラフィーは、超音波イメージングを用いて組織硬さを特徴づける技術である。
深層学習は超音波エラストグラフィー研究で登場し始めている。
- 参考スコア(独自算出の注目度): 6.130187713080344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is known that changes in the mechanical properties of tissues are
associated with the onset and progression of certain diseases. Ultrasound
elastography is a technique to characterize tissue stiffness using ultrasound
imaging either by measuring tissue strain using quasi-static elastography or
natural organ pulsation elastography, or by tracing a propagated shear wave
induced by a source or a natural vibration using dynamic elastography. In
recent years, deep learning has begun to emerge in ultrasound elastography
research. In this review, several common deep learning frameworks in the
computer vision community, such as multilayer perceptron, convolutional neural
network, and recurrent neural network are described. Then, recent advances in
ultrasound elastography using such deep learning techniques are revisited in
terms of algorithm development and clinical diagnosis. Finally, the current
challenges and future developments of deep learning in ultrasound elastography
are prospected.
- Abstract(参考訳): 組織の機械的特性の変化は、特定の疾患の発症と進行と関連していることが知られている。
超音波エラストグラフィーは、準静電エラストグラフィーまたは自然臓器脈拍エラストグラフィーを用いて組織ひずみを測定するか、ダイナミックエラストグラフィーを用いて、ソースまたは自然な振動によって誘起される伝搬せん断波をトレースすることにより、組織硬さを特徴付ける技術である。
近年,超音波エラストグラフィー研究において深層学習が登場し始めている。
本稿では,多層パーセプトロン,畳み込みニューラルネットワーク,リカレントニューラルネットワークなど,コンピュータビジョンコミュニティにおける一般的なディープラーニングフレームワークについて述べる。
そして,このような深層学習技術を用いた超音波エラストグラフィーの最近の進歩を,アルゴリズム開発と臨床診断の観点から再考した。
最後に, 超音波エラストグラフィにおける深層学習の課題と今後の展開を展望する。
関連論文リスト
- 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) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。
データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文 参考訳(メタデータ) (2022-04-09T13:04:36Z) - Learning Ultrasound Scanning Skills from Human Demonstrations [6.971573270058377]
人間の実演から超音波スキャン技術を取得するための学習ベースのフレームワークを提案する。
モデルのパラメータは、熟練したソノグラフィーのデモンストレーションから収集したデータを用いて学習される。
提案手法のロバスト性は,ソノグラフィーによる実データを用いて検証した。
論文 参考訳(メタデータ) (2021-11-09T12:29:25Z) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳(メタデータ) (2021-10-12T21:22:24Z) - 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) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-05-20T09:33:55Z) - Ultrasound Image Classification using ACGAN with Small Training Dataset [0.0]
ディープラーニングモデルのトレーニングには大きなラベル付きデータセットが必要であるが、超音波画像では利用できないことが多い。
我々は、大規模データ拡張と転送学習の利点を組み合わせた、ジェネレーティブ・アドバイサル・ネットワーク(ACGAN)を利用する。
乳房超音波画像のデータセットを用いて,提案手法の有効性を示す実験を行った。
論文 参考訳(メタデータ) (2021-01-31T11:11:24Z)
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。