論文の概要: Automatic 3D Ultrasound Segmentation of Uterus Using Deep Learning
- arxiv url: http://arxiv.org/abs/2109.09283v1
- Date: Mon, 20 Sep 2021 03:13:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:40:59.681992
- Title: Automatic 3D Ultrasound Segmentation of Uterus Using Deep Learning
- Title（参考訳）: 深層学習による子宮の3次元超音波分割
- Authors: Bahareh Behboodi, Hassan Rivaz, Susan Lalondrelle, and Emma Harris
- Abstract要約: 3D超音波(US)で子宮を画像化することができるが、子宮境界の位置を見つけることは難しい課題である。
2つのシナリオに基づいてトレーニングされた2次元UNetネットワークを開発した。
- 参考スコア（独自算出の注目度）: 4.2698418800007865
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On-line segmentation of the uterus can aid effective image-based guidance for
precise delivery of dose to the target tissue (the uterocervix) during cervix
cancer radiotherapy. 3D ultrasound (US) can be used to image the uterus,
however, finding the position of uterine boundary in US images is a challenging
task due to large daily positional and shape changes in the uterus, large
variation in bladder filling, and the limitations of 3D US images such as low
resolution in the elevational direction and imaging aberrations. Previous
studies on uterus segmentation mainly focused on developing semi-automatic
algorithms where require manual initialization to be done by an expert
clinician. Due to limited studies on the automatic 3D uterus segmentation, the
aim of the current study was to overcome the need for manual initialization in
the semi-automatic algorithms using the recent deep learning-based algorithms.
Therefore, we developed 2D UNet-based networks that are trained based on two
scenarios. In the first scenario, we trained 3 different networks on each plane
(i.e., sagittal, coronal, axial) individually. In the second scenario, our
proposed network was trained using all the planes of each 3D volume. Our
proposed schematic can overcome the initial manual selection of previous
semi-automatic algorithm.
- Abstract（参考訳）: 子宮のオンラインセグメンテーションは、子宮頸癌放射線治療中の標的組織(子宮頸管)への正確な投与を効果的にイメージベースで誘導するのに役立つ。
3D超音波(US)は子宮の画像化に利用することができるが, 子宮の位置や形状が大きく変化したこと, 膀胱充填量が大きく変化したこと, 高度方向の低分解能や画像収差などの3DUS画像の限界により, 子宮内の子宮境界の位置の特定は難しい課題である。
子宮セグメンテーションに関するこれまでの研究は、専門医が手動初期化を必要とする半自動アルゴリズムの開発に主眼を置いていた。
本研究の目的は,近年の深層学習に基づくアルゴリズムを用いた半自動アルゴリズムにおいて,手動初期化の必要性を克服することであった。
そこで我々は2つのシナリオに基づいてトレーニングされた2次元UNetネットワークを開発した。
最初のシナリオでは、各平面上の3つの異なるネットワーク(矢状、コロナ、軸)を個別に訓練した。
第2のシナリオでは、提案するネットワークは、各3次元体積のすべての平面を用いて訓練された。
提案手法は,先行する半自動アルゴリズムの手動選択を克服できる。
関連論文リスト
- 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) - Adaptive 3D Localization of 2D Freehand Ultrasound Brain Images [18.997300579859978]
本稿では,3次元解剖学的アトラス内の2次元超音波像を適応的に局所化するフレームワークであるAdLocUIを提案する。
まず、共配列の3D超音波ボリュームからサンプリングした2Dスライスで畳み込みニューラルネットワークをトレーニングし、その位置を予測する。
新規な教師なしサイクル整合性を用いて、2次元自由手超音波画像で微調整する。
論文 参考訳（メタデータ） (2022-09-12T17:59:41Z) - Slice-level Detection of Intracranial Hemorrhage on CT Using Deep
Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。
我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。
提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文 参考訳（メタデータ） (2022-08-05T23:20:37Z) - 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) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - Self-Supervised Multi-Modal Alignment for Whole Body Medical Imaging [70.52819168140113]
我々は、英国バイオバンクの2万名以上の被験者のデータセットを使用し、全体Dixon法磁気共鳴法(MR)スキャンとデュアルエネルギーX線吸収率法(DXA)スキャンを併用した。
マルチモーダル画像マッチングコントラストフレームワークを導入し、同一対象の異なるモダリティスキャンを高精度にマッチングすることができる。
適応がなければ、この対照的なトレーニングステップで学習した対応が、自動クロスモーダルスキャン登録の実行に利用できることを示す。
論文 参考訳（メタデータ） (2021-07-14T12:35:05Z) - Planar 3D Transfer Learning for End to End Unimodal MRI Unbalanced Data
Segmentation [0.0]
本稿では,事前学習した2次元畳み込みニューラルネットワーク重みを平面3次元カーネルにマッピングする手法を提案する。
提案手法は2次元VGG-16から転送されるエンコーダを備えた平面3Dres-u-netネットワークにより検証される。
論文 参考訳（メタデータ） (2020-11-23T17:11:50Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳（メタデータ） (2020-06-25T21:10:04Z) - FetusMap: Fetal Pose Estimation in 3D Ultrasound [42.59502360552173]
そこで本研究では, 胎児の3次元姿勢を推定し, その定量的解析を容易にすることを提案する。
これは文学における胎児の3次元ポーズ推定に関する最初の研究である。
本稿では、深層ネットワークを微調整し、視覚的に妥当なポーズ予測を形成するための自己教師付き学習(SSL)フレームワークを提案する。
論文 参考訳（メタデータ） (2019-10-11T01:45:09Z) - Deep Attentive Features for Prostate Segmentation in 3D Transrectal
Ultrasound [59.105304755899034]
本稿では,経直腸超音波(TRUS)画像における前立腺のセグメンテーションを改善するために,アテンションモジュールを備えた新しい3次元ディープニューラルネットワークを開発した。
我々のアテンションモジュールは、アテンション機構を利用して、異なるレイヤから統合されたマルチレベル特徴を選択的に活用する。
3次元TRUSボリュームに挑戦する実験結果から,本手法は良好なセグメンテーション性能が得られることが示された。
論文 参考訳（メタデータ） (2019-07-03T05:21:52Z)
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。