論文の概要: Agent with Warm Start and Adaptive Dynamic Termination for Plane Localization in 3D Ultrasound

• arxiv url: http://arxiv.org/abs/2103.14502v1
• Date: Fri, 26 Mar 2021 14:57:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 12:32:16.338468
• Title: Agent with Warm Start and Adaptive Dynamic Termination for Plane Localization in 3D Ultrasound
• Title（参考訳）: 3次元超音波による平面定位のためのウォームスタートおよび適応動的終端剤
• Authors: Xin Yang, Haoran Dou, Ruobing Huang, Wufeng Xue, Yuhao Huang, Jikuan Qian, Yuanji Zhang, Huanjia Luo, Huizhi Guo, Tianfu Wang, Yi Xiong, Dong Ni
• Abstract要約: 本研究は, エージェント探索の早期停止を可能にするために, 適応動的終端を新たに設計し, 従来のRLフレームワークを強化した。 2.52mm/10.26度,2.48mm/10.39度,2.02mm/10.48度,2.00mm/14.57度,2.61mm/9.71度,3.9mm/9.58度,1.49mm/7.54度,胎児脳内,腹腔内,子宮中,横,冠状面の局在誤差を実現する。
• 参考スコア（独自算出の注目度）: 14.256624552635786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate standard plane (SP) localization is the fundamental step for prenatal ultrasound (US) diagnosis. Typically, dozens of US SPs are collected to determine the clinical diagnosis. 2D US has to perform scanning for each SP, which is time-consuming and operator-dependent. While 3D US containing multiple SPs in one shot has the inherent advantages of less user-dependency and more efficiency. Automatically locating SP in 3D US is very challenging due to the huge search space and large fetal posture variations. Our previous study proposed a deep reinforcement learning (RL) framework with an alignment module and active termination to localize SPs in 3D US automatically. However, termination of agent search in RL is important and affects the practical deployment. In this study, we enhance our previous RL framework with a newly designed adaptive dynamic termination to enable an early stop for the agent searching, saving at most 67% inference time, thus boosting the accuracy and efficiency of the RL framework at the same time. Besides, we validate the effectiveness and generalizability of our algorithm extensively on our in-house multi-organ datasets containing 433 fetal brain volumes, 519 fetal abdomen volumes, and 683 uterus volumes. Our approach achieves localization error of 2.52mm/10.26 degrees, 2.48mm/10.39 degrees, 2.02mm/10.48 degrees, 2.00mm/14.57 degrees, 2.61mm/9.71 degrees, 3.09mm/9.58 degrees, 1.49mm/7.54 degrees for the transcerebellar, transventricular, transthalamic planes in fetal brain, abdominal plane in fetal abdomen, and mid-sagittal, transverse and coronal planes in uterus, respectively. Experimental results show that our method is general and has the potential to improve the efficiency and standardization of US scanning.
• Abstract（参考訳）: 正確な標準平面(sp)の定位は出生前超音波診断の基本的なステップである。 通常、多くのUSSPが収集され、臨床診断が決定される。 2D USはSPごとにスキャンを実行しなければなりません。 3D USは1ショットに複数のSPを含むが、ユーザ依存の低減と効率の向上には固有の利点がある。 3d usにおけるspの自動検出は、巨大な探索空間と胎児の姿勢の変化のため、非常に困難である。 前報では, 3次元USにおけるSPの自動局在化のためのアライメントモジュールとアクティブ終端を備えた深層強化学習(RL)フレームワークを提案した。 しかし, RLにおけるエージェント探索の終了は重要であり, 実際の展開に影響を及ぼす。 本研究では, エージェント探索の早期停止を可能とし, 最大67%の推論時間を節約し, rlフレームワークの精度と効率を向上させるために, 新たに設計した適応動的停止機能により, これまでのrlフレームワークを強化した。 また,本アルゴリズムの有効性と汎用性を検証するため,本アルゴリズムは,胎児脳ボリューム433,胎児腹部ボリューム519,子宮ボリューム673を含む社内のマルチオルガンデータセット上で広く検証した。 本手法は, 経脳, 経心室, 経視床, 胎児の腹部, 子宮中隔, 横隔, 冠動脈の各面の局在誤差を2.52mm/10.26°, 2.48mm/10.39°, 2.02mm/10.48°, 2.00mm/14.57°, 2.61mm/9.71°, 3.09mm/9.58°, 1.49mm/7.54°に求める。 実験の結果,本手法は汎用的であり,usスキャンの効率と標準化が向上する可能性が示唆された。

関連論文リスト

• Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates in the Fetal Brain [9.465965149145559]
  我々は,センサを付加することなく,3次元可視化,トレーニング,ガイダンスのための米国の航空機ローカライゼーションシステムを構築することを目指している。 この研究は、胎児の脳をスライスする米国飛行機の6次元(6次元)のポーズを予測する、これまでの研究に基づいています。 トレーニングおよびテストデータにおける登録品質の影響とその後のトレーニングモデルへの影響について検討する。
  論文  参考訳（メタデータ） (2023-01-19T21:16:36Z)
• 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)
• Agent with Tangent-based Formulation and Anatomical Perception for Standard Plane Localization in 3D Ultrasound [56.7645826576439]
  3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。 まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。 第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
  論文  参考訳（メタデータ） (2022-07-01T14:53:27Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• Searching Collaborative Agents for Multi-plane Localization in 3D Ultrasound [15.573821037925143]
  3D超音波は複数の標準平面(SP)を1枚のショットに収めることができる。 3D USにおける手動SPのローカライゼーションは、画像品質が低く、検索スペースが大きく、解剖学的変動が大きいため、難しい。 3DUSで複数のSPを同時にローカライズするマルチエージェント強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-22T02:48:23Z)
• Searching Collaborative Agents for Multi-plane Localization in 3D Ultrasound [59.97366727654676]
  3D超音波(US)はその豊富な診断情報、可搬性、低コストのために広く用いられている。 米国における標準平面(SP)のローカライゼーションは,効率の向上とユーザ依存の低減だけでなく,米国における3D解釈の促進にも寄与する。 本稿では,複数の子宮SPを同時に3D USにローカライズするマルチエージェント強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-30T07:23:55Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• Agent with Warm Start and Active Termination for Plane Localization in 3D Ultrasound [56.14006424500334]
  超音波(US)診断には標準面の局在が不可欠である。 出生前のアメリカでは、何十もの標準的な飛行機が手動で2Dプローブで取得される。 胎児脳標準平面を3DUSで自動的に局所化するための新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-10-10T02:21:52Z)

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。