論文の概要: Physics Driven Domain Specific Transporter Framework with Attention Mechanism for Ultrasound Imaging

• arxiv url: http://arxiv.org/abs/2109.06346v1
• Date: Mon, 13 Sep 2021 22:11:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-15 15:45:48.699649
• Title: Physics Driven Domain Specific Transporter Framework with Attention Mechanism for Ultrasound Imaging
• Title（参考訳）: 超音波イメージングのための注意機構を備えた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
• Authors: Arpan Tripathi, Abhilash Rakkunedeth, Mahesh Raveendranatha Panicker, Jack Zhang, Naveenjyote Boora, Jessica Knight, Jacob Jaremko, Yale Tung Chen, Kiran Vishnu Narayan, Kesavadas C
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most applications of deep learning techniques in medical imaging are supervised and require a large number of labeled data which is expensive and requires many hours of careful annotation by experts. In this paper, we propose an unsupervised, physics driven domain specific transporter framework with an attention mechanism to identify relevant key points with applications in ultrasound imaging. The proposed framework identifies key points that provide a concise geometric representation highlighting regions with high structural variation in ultrasound videos. We incorporate physics driven domain specific information as a feature probability map and use the radon transform to highlight features in specific orientations. The proposed framework has been trained on130 Lung ultrasound (LUS) videos and 113 Wrist ultrasound (WUS) videos and validated on 100 Lung ultrasound (LUS) videos and 58 Wrist ultrasound (WUS) videos acquired from multiple centers across the globe. Images from both datasets were independently assessed by experts to identify clinically relevant features such as A-lines, B-lines and pleura from LUS and radial metaphysis, radial epiphysis and carpal bones from WUS videos. The key points detected from both datasets showed high sensitivity (LUS = 99\% , WUS = 74\%) in detecting the image landmarks identified by experts. Also, on employing for classification of the given lung image into normal and abnormal classes, the proposed approach, even with no prior training, achieved an average accuracy of 97\% and an average F1-score of 95\% respectively on the task of co-classification with 3 fold cross-validation. With the purely unsupervised nature of the proposed approach, we expect the key point detection approach to increase the applicability of ultrasound in various examination performed in emergency and point of care.
• Abstract（参考訳）: 医用画像における深層学習技術のほとんどの応用は監視されており、大量のラベル付きデータを必要とするが、これは高価であり、専門家による注意深い注記を必要とする。 本稿では,超音波イメージングの応用において重要なポイントを識別するための注意機構を備えた,教師なし,物理駆動の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。 提案手法は,超音波映像における構造変化が高い領域を,簡潔な幾何学表現で強調するキーポイントを同定する。 物理駆動の領域固有情報を特徴確率マップとして組み込み、ラドン変換を用いて特定の方向の特徴を強調する。 提案したフレームワークは、130個の肺超音波(LUS)ビデオと113個のワイスト超音波(WUS)ビデオでトレーニングされ、100個の肺超音波(LUS)ビデオと58個のワイスト超音波(WUS)ビデオで検証されている。 両データセットの画像は専門家によって独立に評価され、LASのA線、B線、胸骨、ラジアル・メタフィジカル、WUSビデオのラジアル・エピフィジカル、手根骨などの臨床的な特徴を識別した。 両データセットから検出されたキーポイントは,専門家が識別した画像ランドマークの検出において高い感度(lus = 99\%, wus = 74\%)を示した。 また, 肺画像の正常な分類と異常な分類に利用することにより, 3倍のクロスバリデーションを併用した共同分類作業において, 事前訓練を受けなくても, 平均99%, 平均F1スコアが95%の精度を達成できた。 提案手法の純粋に教師なしな性質から,緊急時および要介護時の各種検査における超音波検査の適用性を高めるキーポイント検出手法を期待する。

関連論文リスト

• Efficient Feature Extraction Using Light-Weight CNN Attention-Based Deep Learning Architectures for Ultrasound Fetal Plane Classification [3.998431476275487]
  本稿では,最大のベンチマークデータセットを分類するために,軽量な人工知能アーキテクチャを提案する。 アプローチは、ImageNet1kで事前トレーニングされた軽量のEfficientNet機能抽出バックボーンから微調整される。 本手法は,特徴を洗練するためのアテンション機構と3層パーセプトロンを組み込んだもので,トップ1の96.25%,トップ2の99.80%,F1スコアの0.9576で優れた性能を実現している。
  論文  参考訳（メタデータ） (2024-10-22T20:02:38Z)
• 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)
• 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)
• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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)
• Domain Specific Transporter Framework to Detect Fractures in Ultrasound [0.0]
  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。
  論文  参考訳（メタデータ） (2021-06-09T16:54:39Z)
• Reliable Liver Fibrosis Assessment from Ultrasound using Global Hetero-Image Fusion and View-Specific Parameterization [23.981378085664005]
  いくつかのイノベーションを取り入れた、原則化された深層畳み込みニューラルネットワーク(CNN)ワークフローを導入します。 まず,非関連画像の特徴の過度な適合を避けるために,ネットワークに関心のある臨床領域を集中させることを強制する。 第2に,グローバルヘテロイメージ融合(GHIF)を導入し,CNNが任意の画像から特徴を融合できるようにする。
  論文  参考訳（メタデータ） (2020-08-07T19:50:15Z)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。