論文の概要: A Human-Centered Machine-Learning Approach for Muscle-Tendon Junction Tracking in Ultrasound Images

• arxiv url: http://arxiv.org/abs/2202.05199v1
• Date: Thu, 10 Feb 2022 18:02:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 18:41:09.616804
• Title: A Human-Centered Machine-Learning Approach for Muscle-Tendon Junction Tracking in Ultrasound Images
• Title（参考訳）: 超音波画像における人中心型機械学習による筋腱接合追跡
• Authors: Christoph Leitner, Robert Jarolim, Bernhard Englmair, Annika Kruse, Karen Andrea Lara Hernandez, Andreas Konrad, Eric Su, J\"org Schr\"ottner, Luke A. Kelly, Glen A. Lichtwark, Markus Tilp and Christian Baumgartner
• Abstract要約: 超音波ビデオにおける筋腱接合部追跡のための信頼性と時間的機械学習手法を提案する。 健常者123名, 難聴者38名を対象に, 3種類の機能的運動, 2個の筋肉を対象とし, 広範囲なデータセットを収集した。 本モデルでは筋-腱接合位置の同定において,4人の専門家に類似したパフォーマンススコアが得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biomechanical and clinical gait research observes muscles and tendons in limbs to study their functions and behaviour. Therefore, movements of distinct anatomical landmarks, such as muscle-tendon junctions, are frequently measured. We propose a reliable and time efficient machine-learning approach to track these junctions in ultrasound videos and support clinical biomechanists in gait analysis. In order to facilitate this process, a method based on deep-learning was introduced. We gathered an extensive dataset, covering 3 functional movements, 2 muscles, collected on 123 healthy and 38 impaired subjects with 3 different ultrasound systems, and providing a total of 66864 annotated ultrasound images in our network training. Furthermore, we used data collected across independent laboratories and curated by researchers with varying levels of experience. For the evaluation of our method a diverse test-set was selected that is independently verified by four specialists. We show that our model achieves similar performance scores to the four human specialists in identifying the muscle-tendon junction position. Our method provides time-efficient tracking of muscle-tendon junctions, with prediction times of up to 0.078 seconds per frame (approx. 100 times faster than manual labeling). All our codes, trained models and test-set were made publicly available and our model is provided as a free-to-use online service on https://deepmtj.org/.
• Abstract（参考訳）: 生体力学的および臨床歩行研究は、手足の筋肉や腱を観察し、その機能や行動を研究する。 したがって、筋肉-腱接合などの異なる解剖学的ランドマークの動きを頻繁に測定する。 超音波ビデオにおけるこれらの接合点の追跡と歩行解析における臨床バイオメカニクスを支援するための信頼性と時間効率のよい機械学習手法を提案する。 このプロセスを容易にするために,ディープラーニングに基づく手法が導入された。 3種類の超音波システムを有する健常者123名, 健常者38名を対象に, 機能運動3名, 筋2名を対象に, 広範なデータセットを収集し, ネットワークトレーニングにおいて66864個の注釈超音波画像を提供した。 さらに,独立した研究室にまたがって収集したデータを用いて,さまざまなレベルの経験を持つ研究者によるキュレーションを行った。 提案手法の評価には、4人の専門家が独立に検証する多種多様なテストセットが選択された。 本モデルでは,筋腱接合位置の同定において,人間の4人の専門家と類似のパフォーマンススコアが得られた。 本手法は筋腱接合部を時間効率で追跡し,1フレームあたり0.078秒の予測時間(手動ラベリングの約100倍)を提供する。 私たちのコード、トレーニングされたモデル、テストセットはすべて公開されており、私たちのモデルはhttps://deepmtj.org/.com/で無償のオンラインサービスとして提供されています。

関連論文リスト

• Multimodal deep learning approach to predicting neurological recovery from coma after cardiac arrest [2.374912052693646]
  本研究の目的は,臨床データと多チャンネル脳波,心電図などの時系列データを用いて,心停止後のコマから神経学的回復を予測することである。 提案したモデルでは,自然循環復帰後,72ドル(約7,200円)の予測を行うために,隠れテストセットで0.53ドル(約5,800円)のスコアを得た。
  論文  参考訳（メタデータ） (2024-03-09T22:29:24Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction [14.003588854239544]
  筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
  論文  参考訳（メタデータ） (2022-08-18T14:32:16Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• A Spatio-Temporal Multilayer Perceptron for Gesture Recognition [70.34489104710366]
  自律走行車におけるジェスチャー認識のための多層状態重み付きパーセプトロンを提案する。 提案手法の有望な性能を示すため,TCGおよびDrive&Actデータセットの評価を行った。 私たちは、そのリアルタイム能力と安定した実行を示すために、モデルを自動運転車にデプロイします。
  論文  参考訳（メタデータ） (2022-04-25T08:42:47Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• A CNN Segmentation-Based Approach to Object Detection and Tracking in Ultrasound Scans with Application to the Vagus Nerve Detection [17.80391011147757]
  超音波スキャンにおける特定の解剖学的対象構造を自動的に検出・追跡するディープラーニングフレームワークを提案する。 私たちのフレームワークは、被写体や撮像装置間で正確で堅牢で、リアルタイムに動作し、大規模なトレーニングセットを必要としないように設計されています。 このフレームワークを2つの異なる超音波データセット上でテストし、Vagus神経を検出し、追跡することを目的として、現在最先端のリアルタイム物体検出ネットワークよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-06-25T19:12:46Z)
• Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
  本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。 本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
  論文  参考訳（メタデータ） (2020-11-03T11:00:10Z)
• Automatic Breast Lesion Classification by Joint Neural Analysis of Mammography and Ultrasound [1.9814912982226993]
  そこで本研究では,乳がん病変を各乳腺造影像および超音波画像から分類する深層学習法を提案する。 提案されたアプローチは、GoogleNetアーキテクチャに基づいており、データのために2つのトレーニングステップで微調整されています。 AUCは0.94で、単一のモダリティで訓練された最先端のモデルより優れている。
  論文  参考訳（メタデータ） (2020-09-23T09:08:24Z)
• Automatic Tracking of the Muscle Tendon Junction in Healthy and Impaired Subjects using Deep Learning [0.0]
  運動中の筋肉腱接合変位を記録することで、筋肉と腱の挙動を別々に調べることができる。 超音波画像における筋腱接合部の位置を検出するために,新しい深層学習手法を用いた。 提案手法は様々な分野に適用可能であり,リアルタイムに運用可能であることを示す。
  論文  参考訳（メタデータ） (2020-05-05T11:24:40Z)
• 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。