論文の概要: Automatic ultrasound vessel segmentation with deep spatiotemporal
context learning
- arxiv url: http://arxiv.org/abs/2111.02461v1
- Date: Wed, 3 Nov 2021 18:30:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 12:13:07.005680
- Title: Automatic ultrasound vessel segmentation with deep spatiotemporal
context learning
- Title(参考訳): 深部時空間学習による超音波血管の自動分割
- Authors: Baichuan Jiang, Alvin Chen, Shyam Bharat, and Mingxin Zheng
- Abstract要約: 複数の解像度スケールで時間的,空間的,特徴を考慮したコンテキスト埋め込みを組み込んだ効率的なディープラーニング手法について述べる。
文脈認識モデルを用いてリアルタイムセグメンテーションを実演し、それらが同等のベースラインアプローチを大幅に上回っていることを示す。
- 参考スコア(独自算出の注目度): 1.0289618956723208
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate, real-time segmentation of vessel structures in ultrasound image
sequences can aid in the measurement of lumen diameters and assessment of
vascular diseases. This, however, remains a challenging task, particularly for
extremely small vessels that are difficult to visualize. We propose to leverage
the rich spatiotemporal context available in ultrasound to improve segmentation
of small-scale lower-extremity arterial vasculature. We describe efficient deep
learning methods that incorporate temporal, spatial, and feature-aware
contextual embeddings at multiple resolution scales while jointly utilizing
information from B-mode and Color Doppler signals. Evaluating on femoral and
tibial artery scans performed on healthy subjects by an expert
ultrasonographer, and comparing to consensus expert ground-truth annotations of
inner lumen boundaries, we demonstrate real-time segmentation using the
context-aware models and show that they significantly outperform comparable
baseline approaches.
- Abstract(参考訳): 超音波画像シーケンスにおける血管構造の正確なリアルタイムセグメンテーションは、腔径の測定と血管疾患の評価に役立つ。
しかし、特に可視化が難しい非常に小さな船では、この作業は依然として難しい課題である。
超音波で得られるリッチな時空間的文脈を活用し,小型下肢動脈血管の分節化を改善することを提案する。
我々は,Bモードとカラードップラー信号の情報を協調的に活用しながら,時間的,空間的,特徴を考慮したコンテキスト埋め込みを複数の解像度スケールで組み込んだ効率的なディープラーニング手法について述べる。
超音波検査の専門家による健常者に対する大腿骨頭動脈スキャンおよび大腿骨頭動脈動脈スキャンの評価,および内腔境界の根治的アノテーションとの比較を行い,文脈認識モデルを用いてリアルタイムセグメンテーションを実演し,比較ベースラインアプローチを著しく上回ったことを示す。
関連論文リスト
- 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) - Synthetic optical coherence tomography angiographs for detailed retinal
vessel segmentation without human annotations [12.571349114534597]
本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。
本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
論文 参考訳(メタデータ) (2023-06-19T14:01:47Z) - RAVIR: A Dataset and Methodology for the Semantic Segmentation and
Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance
Imaging [7.316426736150123]
Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。
本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。
本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
論文 参考訳(メタデータ) (2022-03-28T17:30:29Z) - Accelerated Intravascular Ultrasound Imaging using Deep Reinforcement
Learning [16.350568421800794]
血管内超音波(IVUS)は血管疾患の治療においてユニークな視点を提供する。
本稿では,現在の物理情報のボトルネックに対処するための深層強化学習について述べる。
論文 参考訳(メタデータ) (2022-01-24T08:33:21Z) - 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) - Hierarchical Deep Network with Uncertainty-aware Semi-supervised
Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。
提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳(メタデータ) (2021-05-31T06:55:43Z) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-05-20T09:33:55Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Micro-CT Synthesis and Inner Ear Super Resolution via Generative
Adversarial Networks and Bayesian Inference [3.797382187289074]
既存の医用画像の超解像法は、完全に教師された方法でマッピングを学ぶために、低解像度画像と高解像度画像のペアに依存している。
本稿では,非ペアデータを用いた現実シナリオにおける超解像問題に対処し,時間的骨構造の高分解能マイクロCT画像の合成を行う。
論文 参考訳(メタデータ) (2020-10-27T07:18:34Z)
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。