論文の概要: Transducer Adaptive Ultrasound Volume Reconstruction

• arxiv url: http://arxiv.org/abs/2011.08419v1
• Date: Tue, 17 Nov 2020 04:46:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 16:48:20.771994
• Title: Transducer Adaptive Ultrasound Volume Reconstruction
• Title（参考訳）: トランスデューサ適応超音波ボリューム再構成
• Authors: Hengtao Guo, Sheng Xu, Bradford J. Wood, Pingkun Yan
• Abstract要約: フリーハンド2Dスキャンによる3Dボリューム再構成は、特に外部追跡装置を使わずに、非常に難しい問題である。 近年の深層学習に基づく手法は,連続する超音波フレーム間のフレーム間移動を直接推定する可能性を示している。 本稿では、異なるトランスデューサで取得したデータにディープラーニングアルゴリズムを適用するための新しいドメイン適応手法を提案する。
• 参考スコア（独自算出の注目度）: 17.19369561039399
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reconstructed 3D ultrasound volume provides more context information compared to a sequence of 2D scanning frames, which is desirable for various clinical applications such as ultrasound-guided prostate biopsy. Nevertheless, 3D volume reconstruction from freehand 2D scans is a very challenging problem, especially without the use of external tracking devices. Recent deep learning based methods demonstrate the potential of directly estimating inter-frame motion between consecutive ultrasound frames. However, such algorithms are specific to particular transducers and scanning trajectories associated with the training data, which may not be generalized to other image acquisition settings. In this paper, we tackle the data acquisition difference as a domain shift problem and propose a novel domain adaptation strategy to adapt deep learning algorithms to data acquired with different transducers. Specifically, feature extractors that generate transducer-invariant features from different datasets are trained by minimizing the discrepancy between deep features of paired samples in a latent space. Our results show that the proposed domain adaptation method can successfully align different feature distributions while preserving the transducer-specific information for universal freehand ultrasound volume reconstruction.
• Abstract（参考訳）: 再構成された3D超音波ボリュームは、超音波ガイド下前立腺生検などの様々な臨床応用に望ましい2Dスキャンフレームのシーケンスと比較して、よりコンテキスト情報を提供する。 それでも、フリーハンド2Dスキャンによる3Dボリューム再構成は、特に外部追跡装置を使わずに、非常に難しい問題である。 近年の深層学習に基づく手法は,連続する超音波フレーム間のフレーム間移動を直接推定する可能性を示している。 しかし、そのようなアルゴリズムは特定のトランスデューサやトレーニングデータに関連する走査軌跡に特有であり、他の画像取得設定には一般化できない。 本稿では,領域シフト問題としてデータ取得の違いに取り組み,異なるトランスデューサで取得したデータにディープラーニングアルゴリズムを適用するための新しいドメイン適応戦略を提案する。 具体的には、異なるデータセットからトランスデューサ不変な特徴を生成する特徴抽出器を、潜在空間におけるペア標本の深い特徴の相違を最小限にして訓練する。 提案手法は,全自由手音量再構成のためのトランスデューサ固有情報を保存しながら,異なる特徴分布の整合に成功できることを示す。

関連論文リスト

• 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)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• 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)
• Privileged Anatomical and Protocol Discrimination in Trackerless 3D Ultrasound Reconstruction [18.351571641356195]
  追加の外部追跡装置を使わずに3次元3次元自由手超音波(US)再構成は、ディープニューラルネットワーク(DNN)で最近進歩している。 筆者らはまず,DNNをベースとした再構成を可能にする学習フレーム間相関の要因として,解剖学とプロトコルの2つについて検討した。 そこで本稿では,既存のDNN手法を改良するための特権情報として,これらの2つの要因を表現できることを提案する。
  論文  参考訳（メタデータ） (2023-08-20T15:30:20Z)
• DA-VSR: Domain Adaptable Volumetric Super-Resolution For Medical Images [69.63915773870758]
  本稿では,ドメイン不整合ギャップを補うために,DA-VSR(Domain Adaptable Super- resolution)と呼ばれる新しいアルゴリズムを提案する。 DA-VSRは、統合された特徴抽出バックボーンと一連のネットワークヘッドを使用して、異なる平面上での画像品質を改善する。 DA-VSRは、異なる領域の多くのデータセットにおいて、超解像品質を著しく向上することを示した。
  論文  参考訳（メタデータ） (2022-10-11T03:16:35Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Comparison of Representation Learning Techniques for Tracking in time resolved 3D Ultrasound [0.7734726150561088]
  3D超音波(3DUS)は、放射線治療における標的追跡において、電離放射線を使わずにリアルタイムに容積画像を提供する能力により、より興味深いものとなる。 そのため、意味のある表現を学習する手法は、表現空間(r-空間)における異なる時間枠における解剖学的構造を認識するのに有用である。 本研究では,従来のオートエンコーダ,変分オートエンコーダ,スライスワッサースタインオートエンコーダを用いて,3DUSパッチを128次元のr空間に縮小する。
  論文  参考訳（メタデータ） (2022-01-10T12:38:22Z)
• 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)
• End-to-end Ultrasound Frame to Volume Registration [9.738024231762465]
  2次元および3次元の登録のためのエンドツーエンドのフレーム・ツー・ボリューム登録ネットワーク(FVR-Net)を提案する。 提案モデルでは, リアルタイム介入指導において, 高い競争力のある登録精度で優れた効率性を示す。
  論文  参考訳（メタデータ） (2021-07-14T01:59:42Z)

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。