論文の概要: A novel optical needle probe for deep learning-based tissue elasticity
characterization
- arxiv url: http://arxiv.org/abs/2109.09362v1
- Date: Mon, 20 Sep 2021 08:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:10:18.416634
- Title: A novel optical needle probe for deep learning-based tissue elasticity
characterization
- Title(参考訳): 深層学習に基づく組織弾性評価のための新しい光針プローブ
- Authors: Robin Mieling and Johanna Sprenger and Sarah Latus and Lennart
Bargsten and Alexander Schlaefer
- Abstract要約: 光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。
針先端での光コヒーレンストモグラフィ(OCT)イメージングと負荷検出を同時に行う新しいOCEニードルプローブを提案する。
- 参考スコア(独自算出の注目度): 59.698811329287174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The distinction between malignant and benign tumors is essential to the
treatment of cancer. The tissue's elasticity can be used as an indicator for
the required tissue characterization. Optical coherence elastography (OCE)
probes have been proposed for needle insertions but have so far lacked the
necessary load sensing capabilities. We present a novel OCE needle probe that
provides simultaneous optical coherence tomography (OCT) imaging and load
sensing at the needle tip. We demonstrate the application of the needle probe
in indentation experiments on gelatin phantoms with varying gelatin
concentrations. We further implement two deep learning methods for the
end-to-end sample characterization from the acquired OCT data. We report the
estimation of gelatin sample concentrations in unseen samples with a mean error
of $1.21 \pm 0.91$ wt\%. Both evaluated deep learning models successfully
provide sample characterization with different advantages regarding the
accuracy and inference time.
- Abstract(参考訳): 悪性腫瘍と良性腫瘍の区別は癌の治療に必須である。
組織の弾力性は、必要な組織の特徴の指標として使用できる。
光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。
本稿では,光コヒーレンス断層撮影(oct)と針先端での負荷センシングを同時に行うオース針プローブを提案する。
ゼラチン濃度の異なるゼラチンファントムのインデンテーション実験における針プローブの適用を実証した。
さらに,取得したoctデータからエンドツーエンドのサンプルキャラクタリゼーションを行うための2つの深層学習手法を実装した。
平均誤差が1.21 pm 0.91$ wt\%の未確認試料中のゼラチン試料濃度の推定を行った。
両方の評価されたディープラーニングモデルは、精度と推論時間に関して異なる利点を持つサンプル特性を提供することに成功した。
関連論文リスト
- Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance
from High-Quality Isotropic Volumes [52.242103848335354]
本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。
我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
論文 参考訳(メタデータ) (2023-08-13T12:51:15Z) - MAF-Net: Multiple attention-guided fusion network for fundus vascular
image segmentation [1.3295074739915493]
網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。
従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。
提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
論文 参考訳(メタデータ) (2023-05-05T15:22:20Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳(メタデータ) (2023-04-26T14:11:04Z) - Physiology-based simulation of the retinal vasculature enables
annotation-free segmentation of OCT angiographs [8.596819713822477]
提案するパイプラインは,大量のリアルなOCTA画像を,本質的に一致する基底真理ラベルで合成する。
提案手法は,1) 様々な網膜叢をモデル化した生理的シミュレーション,2) 物理に基づく画像拡張のスイートの2つの新しい構成要素を基礎にしている。
論文 参考訳(メタデータ) (2022-07-22T14:22:22Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳(メタデータ) (2022-03-23T00:58:27Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-24T18:58:40Z) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳(メタデータ) (2020-09-10T01:57:53Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-02T12:00:53Z) - Needle tip force estimation by deep learning from raw spectral OCT data [0.0]
針の配置は、生検やブラキセラピーのような応用には難しい問題である。
光ファイバーセンサーは針先に直接組み込むことができる。
光コヒーレンストモグラフィーの校正法について検討した。
論文 参考訳(メタデータ) (2020-06-30T10:49:54Z)
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。