論文の概要: Multiple Instance Segmentation in Brachial Plexus Ultrasound Image Using BPMSegNet

• arxiv url: http://arxiv.org/abs/2012.12012v1
• Date: Tue, 22 Dec 2020 13:57:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-26 07:30:01.810189
• Title: Multiple Instance Segmentation in Brachial Plexus Ultrasound Image Using BPMSegNet
• Title（参考訳）: BPMSegNetを用いた腕神経叢超音波像の複数症例分割
• Authors: Yi Ding, Qiqi Yang, Guozheng Wu, Jian Zhang, Zhiguang Qin
• Abstract要約: 超音波画像における神経識別は,局所麻酔の性能を向上させるための重要なステップである。 BPMSegNetは超音波画像中の異なる組織(神経、動脈、静脈、筋肉)を特定するために提案されている。 提案するネットワークは, 超音波画像から複数の組織を分離し, 良好な性能が得られる。
• 参考スコア（独自算出の注目度）: 7.562735089700208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The identification of nerve is difficult as structures of nerves are challenging to image and to detect in ultrasound images. Nevertheless, the nerve identification in ultrasound images is a crucial step to improve performance of regional anesthesia. In this paper, a network called Brachial Plexus Multi-instance Segmentation Network (BPMSegNet) is proposed to identify different tissues (nerves, arteries, veins, muscles) in ultrasound images. The BPMSegNet has three novel modules. The first is the spatial local contrast feature, which computes contrast features at different scales. The second one is the self-attention gate, which reweighs the channels in feature maps by their importance. The third is the addition of a skip concatenation with transposed convolution within a feature pyramid network. The proposed BPMSegNet is evaluated by conducting experiments on our constructed Ultrasound Brachial Plexus Dataset (UBPD). Quantitative experimental results show the proposed network can segment multiple tissues from the ultrasound images with a good performance.
• Abstract（参考訳）: 神経の構造が画像化や超音波画像の検出に困難であるため、神経の同定は困難である。 それでも, 超音波画像における神経識別は, 局所麻酔の性能を向上させる重要なステップである。 本稿では,超音波画像中の異なる組織(神経,動脈,静脈,筋肉)を同定するために,ブラキアルplexus multi-instance segmentation network (bpmsegnet) と呼ばれるネットワークを提案する。 BPMSegNetには3つの新しいモジュールがある。 1つ目は、異なるスケールでコントラスト特徴を計算する空間的局所コントラスト特徴である。 2つめはセルフアテンションゲートで、フィーチャーマップのチャンネルの重要性を強調するものだ。 3つ目は、フィーチャーピラミッドネットワーク内の転向した畳み込みを伴うスキップ結合の追加である。 提案したBPMSegNetは、構築したUltrasound Brachial Plexus Dataset (UBPD)の実験により評価される。 定量的実験の結果,提案するネットワークは,超音波画像から複数の組織を分離できることがわかった。

関連論文リスト

• Force Sensing Guided Artery-Vein Segmentation via Sequential Ultrasound Images [14.349652168367767]
  本研究は,動脈-静脈間分節精度を高めるために,新しい力覚誘導分節法を提案する。 提案手法は,超音波画像の列において,最も顕著な血管変形を伴う鍵フレームの同定に力量を用いる。 負荷と画像データの両方を同時に含む最初のマルチモーダル超音波静脈分割データセットMus-Vをコントリビュートする。
  論文  参考訳（メタデータ） (2024-07-31T07:32:18Z)
• 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)
• Abdominal Multi-Organ Segmentation Based on Feature Pyramid Network and Spatial Recurrent Neural Network [2.8391355909797644]
  特徴ピラミッドネットワーク(FPN)と空間リカレントニューラルネットワーク(SRNN)を組み合わせた新しい画像分割モデルを提案する。 我々は,FPNを用いて異なるスケールの解剖学的構造を抽出し,腹部超音波像の空間的特徴を抽出するためにSRNNをどのように実装したかについて議論した。
  論文  参考訳（メタデータ） (2023-08-29T09:13:24Z)
• LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
  超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。 既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。 本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T16:29:39Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Automatic Semantic Segmentation of the Lumbar Spine. Clinical Applicability in a Multi-parametric and Multi-centre MRI study [0.0]
  この文書は、最も正確なセグメンテーションを得たニューラルネットワークの設計結果について記述し、分析する。 提案するいくつかの設計は、ベースラインとして使用される標準のU-Netよりも優れており、特に複数のニューラルネットワークの出力が異なる戦略に従って結合されるアンサンブルで使用される場合である。
  論文  参考訳（メタデータ） (2021-11-16T17:33:05Z)
• 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)
• Hybrid Deep Neural Network for Brachial Plexus Nerve Segmentation in Ultrasound Images [0.0764671395172401]
  超音波ガイド下局所麻酔(UGRA)は鎖骨外科手術後の腕神経叢(BP)に応用できる。 超音波画像からのBPの同定は、訓練された専門家にとっても困難である。 超音波画像中のBP神経領域を分割するための分類モデルとセグメンテーションモデルを組み合わせたハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-01T10:31:47Z)
• Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
  我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。 当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
  論文  参考訳（メタデータ） (2021-04-05T13:15:22Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)

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。