論文の概要: Domain Specific Transporter Framework to Detect Fractures in Ultrasound

• arxiv url: http://arxiv.org/abs/2106.05929v1
• Date: Wed, 9 Jun 2021 16:54:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-11 14:13:15.519742
• Title: Domain Specific Transporter Framework to Detect Fractures in Ultrasound
• Title（参考訳）: 超音波骨折検出のためのドメイン特異的トランスポーターフレームワーク
• Authors: Arpan Tripathi, Abhilash Rakkunedeth, Mahesh Raveendranatha Panicker, Jack Zhang, Naveenjyote Boora, Jacob Jaremko
• Abstract要約: 本稿では、手首超音波スキャンから関連するキーポイントを特定するための、教師なしドメイン固有トランスポーターフレームワークを提案する。 本フレームワークは,3次元超音波シーケンスにおける構造変化の高い領域を強調表示する簡潔な幾何学的表現を提供する。 30名の被験者から得られた3DUSビデオに対して,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound examination for detecting fractures is ideally suited for Emergency Departments (ED) as it is relatively fast, safe (from ionizing radiation), has dynamic imaging capability and is easily portable. High interobserver variability in manual assessment of ultrasound scans has piqued research interest in automatic assessment techniques using Deep Learning (DL). Most DL techniques are supervised and are trained on large numbers of labeled data which is expensive and requires many hours of careful annotation by experts. In this paper, we propose an unsupervised, domain specific transporter framework to identify relevant keypoints from wrist ultrasound scans. Our framework provides a concise geometric representation highlighting regions with high structural variation in a 3D ultrasound (3DUS) sequence. We also incorporate domain specific information represented by instantaneous local phase (LP) which detects bone features from 3DUS. We validate the technique on 3DUS videos obtained from 30 subjects. Each ultrasound scan was independently assessed by three readers to identify fractures along with the corresponding x-ray. Saliency of keypoints detected in the image\ are compared against manual assessment based on distance from relevant features.The transporter neural network was able to accurately detect 180 out of 250 bone regions sampled from wrist ultrasound videos. We expect this technique to increase the applicability of ultrasound in fracture detection.
• Abstract（参考訳）: 骨折検出のための超音波検査は、比較的高速で(電離放射線から)安全であり、ダイナミックイメージング能力があり、携帯性も容易であるため、救急部(ED)に適している。 超音波スキャンのハンドアセスメントにおける高オブザーバ変動は,Deep Learning (DL) を用いた自動アセスメント技術に注目されている。 ほとんどのDL技術は教師付きであり、大量のラベル付きデータに基づいて訓練されている。 本稿では,手首超音波スキャンから関連するキーポイントを特定するための,教師なし領域特定トランスポーターフレームワークを提案する。 本フレームワークは3次元超音波(3DUS)配列における構造変化の高い領域を強調表示する簡潔な幾何学的表現を提供する。 また3DUSから骨の特徴を検出する即時局所位相(LP)で表される領域固有情報も取り入れた。 30名の被験者から得られた3dusビデオで検証した。 それぞれの超音波スキャンは3人の読者によって独立に評価され、対応するX線とともに骨折を同定した。 このトランスポーターニューラルネットワークは手首の超音波ビデオから採取した250個の骨領域のうち180個を正確に検出することができた。 この手法は, 骨折検出における超音波の応用性を高めることを期待する。

関連論文リスト

• Deep Spectral Methods for Unsupervised Ultrasound Image Interpretation [53.37499744840018]
  本稿では, 超音波を応用した非教師型深層学習手法を提案する。 我々は、スペクトルグラフ理論と深層学習法を組み合わせた教師なしディープスペクトル法から重要な概念を統合する。 スペクトルクラスタリングの自己教師型トランスフォーマー機能を利用して、超音波特有のメトリクスと形状と位置の先行値に基づいて意味のあるセグメントを生成し、データセット間のセマンティック一貫性を確保する。
  論文  参考訳（メタデータ） (2024-08-04T14:30:14Z)
• 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)
• 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)
• VertMatch: A Semi-supervised Framework for Vertebral Structure Detection in 3D Ultrasound Volume [26.29675263407612]
  3次元3次元超音波イメージング技術は, 側頭葉症評価に応用されている。 現在の評価法は、コロナプロジェクション画像のみを使用し、3次元変形と脊椎回転を説明できない。 本稿では,3次元超音波体積中の脊椎構造を検出するための2段階のフレームワークであるVertMatchを提案する。
  論文  参考訳（メタデータ） (2022-12-28T06:50:35Z)
• 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)
• 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)
• Physics Driven Domain Specific Transporter Framework with Attention Mechanism for Ultrasound Imaging [0.0]
  本稿では,非教師付き物理駆動型ドメイン固有トランスポーターフレームワークを提案する。 提案フレームワークは,超音波ビデオにおける構造変化の高い領域を強調表示する簡潔な幾何学的表現を提供するキーポイントを同定する。
  論文  参考訳（メタデータ） (2021-09-13T22:11:22Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)

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。