論文の概要: Carotid artery wall segmentation in ultrasound image sequences using a
deep convolutional neural network
- arxiv url: http://arxiv.org/abs/2201.12152v1
- Date: Fri, 28 Jan 2022 14:37:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-31 16:11:18.232724
- Title: Carotid artery wall segmentation in ultrasound image sequences using a
deep convolutional neural network
- Title（参考訳）: 深部畳み込みニューラルネットワークを用いた超音波画像における頸動脈壁セグメンテーション
- Authors: Nolann Lain\'e, Guillaume Zahnd, Herv \'e Liebgott, Maciej Orkisz
- Abstract要約: 拡張されたU-netネットワークに基づく教師付き領域ベースディープラーニングアプローチを含む,完全自動領域ベースセグメンテーション手法を提案する。
2人の専門家が注釈付けした2176の画像からなるマルチセンターデータベース上で、5倍のクロスバリデーションを用いてトレーニングと評価を行った。
- 参考スコア（独自算出の注目度）: 0.9940728137241215
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The objective of this study is the segmentation of the intima-media complex
of the common carotid artery, on longitudinal ultrasound images, to measure its
thickness. We propose a fully automatic region-based segmentation method,
involving a supervised region-based deep-learning approach based on a dilated
U-net network. It was trained and evaluated using a 5-fold cross-validation on
a multicenter database composed of 2176 images annotated by two experts. The
resulting mean absolute difference (<120 um) compared to reference annotations
was less than the inter-observer variability (180 um). With a 98.7% success
rate, i.e., only 1.3% cases requiring manual correction, the proposed method
has been shown to be robust and thus may be recommended for use in clinical
practice.
- Abstract（参考訳）: 本研究の目的は, 胸動脈 intima-media complex の経時的超音波像による分画を行い, その厚みを計測することである。
拡張されたU-netネットワークに基づく教師付き領域ベースディープラーニングアプローチを含む完全自動領域ベースセグメンテーション手法を提案する。
2人の専門家が注釈付けした2176の画像からなるマルチセンターデータベース上で、5倍のクロスバリデーションを用いてトレーニングと評価を行った。
その結果,参照アノテーションと比較して平均絶対差(<120 um)は,サーバ間変動 (180 um) よりも低かった。
98.7%の成功率、すなわち手動修正を必要とする症例は1.3%に過ぎず、提案手法は堅牢であり、臨床応用に推奨される可能性がある。
関連論文リスト
- 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) - Integrated Image and Location Analysis for Wound Classification: A Deep
Learning Approach [3.5427949413406563]
急性および慢性の傷のグローバルな負担は、傷の分類方法を強化する上で魅力的なケースである。
深層畳み込みニューラルネットワークを用いて, 糖尿病, 血圧, 外科的, 静脈潰瘍の4つのカテゴリーに分類する。
本手法の特筆すべき点は、正確な創傷位置タグ付けを容易にするボディマップシステムの導入である。
論文 参考訳（メタデータ） (2023-08-23T02:49:22Z) - Acute ischemic stroke lesion segmentation in non-contrast CT images
using 3D convolutional neural networks [0.0]
非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。
我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2023-01-17T10:39:39Z) - Orientation-guided Graph Convolutional Network for Bone Surface
Segmentation [51.51690515362261]
骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。
提案手法は,接続距離を5.01%向上させる。
論文 参考訳（メタデータ） (2022-06-16T23:01:29Z) - Parametric Scaling of Preprocessing assisted U-net Architecture for
Improvised Retinal Vessel Segmentation [1.3869502085838448]
本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。
ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
論文 参考訳（メタデータ） (2022-03-18T15:26:05Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - 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) - Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound
Images using Convolutional Neural Networks [1.021325814813899]
畳み込みニューラルネットワークに基づく自動腱症認識フレームワークが提案されている。
テンドンセグメンテーションはNASUNetという新しいネットワークを通じて行われる。
腱症診断のための一般的な分類パイプラインが提案されている。
論文 参考訳（メタデータ） (2020-11-23T22:41:41Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - 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。