論文の概要: Neural Network Kalman filtering for 3D object tracking from linear array ultrasound data

• arxiv url: http://arxiv.org/abs/2111.09631v1
• Date: Thu, 18 Nov 2021 11:16:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 05:49:34.496110
• Title: Neural Network Kalman filtering for 3D object tracking from linear array ultrasound data
• Title（参考訳）: 線形アレイ超音波データからの3次元物体追跡のためのニューラルネットワークカルマンフィルタリング
• Authors: Arttu Arjas, Erwin J. Alles, Efthymios Maneas, Simon Arridge, Adrien Desjardins, Mikko J. Sillanp\"a\"a and Andreas Hauptmann
• Abstract要約: 超音波応用では、通常は線形アレイからの2次元データのみが利用可能であり、3次元での正確な位置推定を得るのは簡単ではない。 本研究では, 現実的な合成トレーニングデータを用いてニューラルネットワークをトレーニングし, 再構成された超音波画像の軸収差に伴う物体の面外オフセットを推定する。 提案手法の精度をシミュレーションを用いて評価し,新しい光学式超音波イメージング装置を用いて得られた実験データに実用性を示す。
• 参考スコア（独自算出の注目度）: 2.3128669219644804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many interventional surgical procedures rely on medical imaging to visualise and track instruments. Such imaging methods not only need to be real-time capable, but also provide accurate and robust positional information. In ultrasound applications, typically only two-dimensional data from a linear array are available, and as such obtaining accurate positional estimation in three dimensions is non-trivial. In this work, we first train a neural network, using realistic synthetic training data, to estimate the out-of-plane offset of an object with the associated axial aberration in the reconstructed ultrasound image. The obtained estimate is then combined with a Kalman filtering approach that utilises positioning estimates obtained in previous time-frames to improve localisation robustness and reduce the impact of measurement noise. The accuracy of the proposed method is evaluated using simulations, and its practical applicability is demonstrated on experimental data obtained using a novel optical ultrasound imaging setup. Accurate and robust positional information is provided in real-time. Axial and lateral coordinates for out-of-plane objects are estimated with a mean error of 0.1mm for simulated data and a mean error of 0.2mm for experimental data. Three-dimensional localisation is most accurate for elevational distances larger than 1mm, with a maximum distance of 5mm considered for a 25mm aperture.
• Abstract（参考訳）: 多くの介入手術は、機器の可視化と追跡のために医療画像に頼っている。 このようなイメージング手法は、リアルタイムに機能するだけでなく、正確で堅牢な位置情報も提供する。 超音波応用では、リニアアレイからの2次元データのみが利用可能であり、3次元での正確な位置推定を得ることは非自明である。 そこで本研究では,実際の合成学習データを用いてニューラルネットワークをまず訓練し,再構成した超音波画像における軸収差を伴う物体の面外オフセットを推定する。 得られた推定値は、従来の時間枠で得られた位置推定を利用して局所化ロバスト性を改善し、測定ノイズの影響を低減するカルマンフィルタ手法と組み合わせられる。 提案手法の精度をシミュレーションを用いて評価し,新しい光学超音波イメージング装置を用いて得られた実験データを用いて実用性を示す。 正確な位置情報がリアルタイムに提供される。 平面外物体の軸座標と横座標は、シミュレーションデータの平均誤差0.1mm、実験データの平均誤差0.2mmと推定される。 3次元の局所化は1mm以上の高架距離において最も正確であり、最大距離は25mmの開口部と考えられる5mmである。

関連論文リスト

• Deep-Motion-Net: GNN-based volumetric organ shape reconstruction from single-view 2D projections [1.8189671456038365]
  放射線治療中に3次元臓器形状を再構成できるエンドツーエンドのグラフニューラルネットワークアーキテクチャを提案する。 提案モデルは、患者固有のテンプレートと、任意の投影角度でkV画像から抽出した深い特徴からメッシュ回帰を学習する。 総合的枠組みは, 合成呼吸運動のシナリオを定量的に検討し, 肝癌患者に対するフルスキャンで得られた内処理画像について質的に検討した。
  論文  参考訳（メタデータ） (2024-07-09T09:07:18Z)
• 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)
• X-Ray to CT Rigid Registration Using Scene Coordinate Regression [1.1687067206676627]
  本稿では,極端視点に頑健な完全自動登録手法を提案する。 これは、与えられたX線画像の重なり合う座標を回帰する完全な畳み込みニューラルネットワーク(CNN)に基づいている。 提案手法は, 模擬試験データセットの50パーセンタイルにおける平均平均目標登録誤差(mTRE)を3.79mmとし, ペルビス登録のための実フルオロスコープ画像の50パーセンタイルにおける平均目標登録誤差(mTRE)を9.65mmと予測した。
  論文  参考訳（メタデータ） (2023-11-25T17:48:46Z)
• 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)
• Fast light-field 3D microscopy with out-of-distribution detection and adaptation through Conditional Normalizing Flows [16.928404625892625]
  リアルタイム3次元蛍光顕微鏡は生物の分析に不可欠である。 そこで我々は,生きた固定化ゼブラフィッシュ神経活動の高速な3次元再構成を行う新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-10T10:42:49Z)
• CNN-based real-time 2D-3D deformable registration from a single X-ray projection [2.1198879079315573]
  本稿では, フルオロスコープ画像を用いたリアルタイム2D-3D非剛体登録法を提案する。 術前スキャンから解剖学の変位場と2次元投影からなるデータセットを生成する。 ニューラルネットワークは、未知の3D変位場を単一の投影画像から回復するように訓練される。
  論文  参考訳（メタデータ） (2022-12-15T09:57:19Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
  3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
  論文  参考訳（メタデータ） (2020-07-02T12:02:20Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Robust Self-Supervised Learning of Deterministic Errors in Single-Plane (Monoplanar) and Dual-Plane (Biplanar) X-ray Fluoroscopy [2.7528170226206443]
  ビデオフレームレートでX線像を撮影する蛍光画像は、血管外科医や介入放射線技師によるカテーテル挿入を導くのに有利である。 ダイナミックな動きを非侵襲的に可視化することで、複雑な手術を患者に対してより少ない外傷で行うことができる。 本稿では,単平面および二重平面蛍光法に適した頑健な自己校正アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-01-03T01:56:21Z)

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。