Fugu-MT 論文翻訳(概要): Hybrid Deep Neural Network for Brachial Plexus Nerve Segmentation in Ultrasound Images

論文の概要: Hybrid Deep Neural Network for Brachial Plexus Nerve Segmentation in Ultrasound Images

arxiv url: http://arxiv.org/abs/2106.00373v1
Date: Tue, 1 Jun 2021 10:31:47 GMT
ステータス: 処理完了
システム内更新日: 2021-06-02 14:08:38.811408
Title: Hybrid Deep Neural Network for Brachial Plexus Nerve Segmentation in Ultrasound Images
Title（参考訳）: 超音波画像における腕神経叢分割のためのハイブリッドディープニューラルネットワーク
Authors: Juul P.A. van Boxtel, Vincent R.J. Vousten, Josien Pluim, Nastaran Mohammadian Rad
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0764671395172401
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ultrasound-guided regional anesthesia (UGRA) can replace general anesthesia (GA), improving pain control and recovery time. This method can be applied on the brachial plexus (BP) after clavicular surgeries. However, identification of the BP from ultrasound (US) images is difficult, even for trained professionals. To address this problem, convolutional neural networks (CNNs) and more advanced deep neural networks (DNNs) can be used for identification and segmentation of the BP nerve region. In this paper, we propose a hybrid model consisting of a classification model followed by a segmentation model to segment BP nerve regions in ultrasound images. A CNN model is employed as a classifier to precisely select the images with the BP region. Then, a U-net or M-net model is used for the segmentation. Our experimental results indicate that the proposed hybrid model significantly improves the segmentation performance over a single segmentation model.
Abstract（参考訳）: 超音波ガイド下局所麻酔(UGRA)は全身麻酔(GA)を代替し、鎮痛と回復時間を改善する。この方法は鎖骨外科手術後の腕神経叢(BP)に応用できる。しかし,超音波(US)画像からのBPの同定は,専門職でも困難である。この問題を解決するために、BP神経領域の同定とセグメンテーションに畳み込みニューラルネットワーク(CNN)とより高度なディープニューラルネットワーク(DNN)を用いることができる。本稿では,超音波画像中のbp神経領域をセグメント化するための分類モデルとセグメント化モデルを組み合わせたハイブリッドモデルを提案する。 CNNモデルは、BP領域で画像を正確に選択するための分類器として使用される。次に、セグメント化にU-netまたはM-netモデルを用いる。実験の結果,提案手法は単一セグメンテーションモデルに対するセグメンテーション性能を大幅に向上させることが示唆された。

関連論文リスト

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)
Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文参考訳（メタデータ） (2023-08-03T21:56:50Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
Orientation-guided Graph Convolutional Network for Bone Surface Segmentation [51.51690515362261]
骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。提案手法は,接続距離を5.01%向上させる。
論文参考訳（メタデータ） (2022-06-16T23:01:29Z)
Automatic Segmentation of the Prostate on 3D Trans-rectal Ultrasound Images using Statistical Shape Models and Convolutional Neural Networks [3.9121134770873733]
本稿では,畳み込みニューラルネットワーク(CNN)と統計的形状モデル(SSM)を用いて,経直腸超音波(TRUS)画像のデータセット上に前立腺を分割することを提案する。 TRUSは軟組織コントラストが限られており、前立腺のセグメンテーションが困難である。
論文参考訳（メタデータ） (2021-06-17T17:11:53Z)
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)
Multiple Instance Segmentation in Brachial Plexus Ultrasound Image Using BPMSegNet [7.562735089700208]
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。
論文参考訳（メタデータ） (2020-12-22T13:57:30Z)
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)
Multi-Modality Pathology Segmentation Framework: Application to Cardiac Magnetic Resonance Images [3.5354617056939874]
本研究は,多モードCMR画像に基づく自動カスケード診断セグメンテーションフレームワークを提案する。主に、解剖学的構造セグメンテーションネットワーク(ASSN)と病理学的領域セグメンテーションネットワーク(PRSN)の2つのニューラルネットワークで構成されている。
論文参考訳（メタデータ） (2020-08-13T09:57:04Z)
Deep Residual 3D U-Net for Joint Segmentation and Texture Classification of Nodules in Lung [91.3755431537592]
肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
論文参考訳（メタデータ） (2020-06-25T07:20:41Z)
Progressive Adversarial Semantic Segmentation [11.323677925193438]
深い畳み込みニューラルネットワークは、完全な監視が与えられた場合、非常によく機能する。画像解析タスクのための完全教師付きモデルの成功は、大量のラベル付きデータの入手に限られる。本稿では,新しい医用画像分割モデル,Progressive Adrial Semantic(PASS)を提案する。
論文参考訳（メタデータ） (2020-05-08T22:48:00Z)

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。