論文の概要: AI system for fetal ultrasound in low-resource settings
- arxiv url: http://arxiv.org/abs/2203.10139v1
- Date: Fri, 18 Mar 2022 19:39:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-22 13:39:16.978409
- Title: AI system for fetal ultrasound in low-resource settings
- Title(参考訳): 低リソース環境における胎児超音波のAIシステム
- Authors: Ryan G. Gomes, Bellington Vwalika, Chace Lee, Angelica Willis, Marcin
Sieniek, Joan T. Price, Christina Chen, Margaret P. Kasaro, James A. Taylor,
Elizabeth M. Stringer, Scott Mayer McKinney, Ntazana Sindano, George E. Dahl,
William Goodnight III, Justin Gilmer, Benjamin H. Chi, Charles Lau, Terry
Spitz, T Saensuksopa, Kris Liu, Jonny Wong, Rory Pilgrim, Akib Uddin, Greg
Corrado, Lily Peng, Katherine Chou, Daniel Tse, Jeffrey S. A. Stringer,
Shravya Shetty
- Abstract要約: 妊娠年齢 (GA) と胎児の誤表現を推定するために, 初心者が取得した"盲検"超音波ビデオを用いた人工知能システムを開発し, 検証した。
我々のAIモデルは、低リソース設定で軽量に訓練された超音波オペレーターの能力の高水準化を支援する可能性がある。
- 参考スコア(独自算出の注目度): 6.601152168099057
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite considerable progress in maternal healthcare, maternal and perinatal
deaths remain high in low-to-middle income countries. Fetal ultrasound is an
important component of antenatal care, but shortage of adequately trained
healthcare workers has limited its adoption. We developed and validated an
artificial intelligence (AI) system that uses novice-acquired "blind sweep"
ultrasound videos to estimate gestational age (GA) and fetal malpresentation.
We further addressed obstacles that may be encountered in low-resourced
settings. Using a simplified sweep protocol with real-time AI feedback on sweep
quality, we have demonstrated the generalization of model performance to
minimally trained novice ultrasound operators using low cost ultrasound devices
with on-device AI integration. The GA model was non-inferior to standard fetal
biometry estimates with as few as two sweeps, and the fetal malpresentation
model had high AUC-ROCs across operators and devices. Our AI models have the
potential to assist in upleveling the capabilities of lightly trained
ultrasound operators in low resource settings.
- Abstract(参考訳): 母系医療の進歩にもかかわらず、低中間所得国では母系と周産期の死亡率が高い。
胎児超音波は産科医療の重要な要素であるが、十分な訓練を受けた医療従事者の不足は採用を制限している。
妊娠年齢(GA)と胎児の誤表現を推定するために,初歩的な"盲検"超音波ビデオを用いた人工知能(AI)システムを開発した。
我々はさらに、低リソース設定で遭遇する可能性のある障害にも対処した。
リアルタイムのAIフィードバックによる簡易なスイーププロトコルをスイープ品質に適用し、オンデバイスAI統合による低コスト超音波デバイスを用いた最小限の訓練を受けた初心者超音波オペレーターに対するモデル性能の一般化を実証した。
GAモデルは, 標準胎児バイオメトリ推定値に劣らず, 2回のスイープしか得られず, 胎児奇形モデルは操作者や装置間で高いAUC-ROCを有していた。
われわれのAIモデルは、低リソース環境下で軽量に訓練された超音波オペレーターの能力向上を支援する可能性がある。
関連論文リスト
- Training-free image style alignment for self-adapting domain shift on
handheld ultrasound devices [54.476120039032594]
本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。
TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
論文 参考訳(メタデータ) (2024-02-17T07:15:23Z) - Learning Autonomous Ultrasound via Latent Task Representation and
Robotic Skills Adaptation [2.3830437836694185]
本稿では,自律型超音波の潜在タスク表現とロボットスキル適応を提案する。
オフラインの段階では、マルチモーダル超音波技術が統合され、低次元確率モデルにカプセル化される。
オンライン段階では、確率モデルは最適な予測を選択して評価する。
論文 参考訳(メタデータ) (2023-07-25T08:32:36Z) - An Automatic Guidance and Quality Assessment System for Doppler Imaging
of Umbilical Artery [2.4626113631507893]
経験豊富なソノグラフィーの不足は、機械支援の需要を生み出した。
本研究では,このギャップを埋める自動システムを提案する。
国立超音波検診データベースから得られた657枚の画像に対して,本システムの有効性を検証した。
論文 参考訳(メタデータ) (2023-04-11T19:26:32Z) - Reslicing Ultrasound Images for Data Augmentation and Vessel
Reconstruction [22.336362581634706]
本稿では,追跡された2次元画像から再構成された3次元ボリュームをスライスした超音波画像に対する弱い監視データ拡張手法であるRESUSを紹介する。
超音波画像の物理的制約により生体内で容易に得られないビューを生成し,これらの拡張超音波画像を用いてセマンティックセグメンテーションモデルを訓練する。
我々は, RESUSが非拡張画像を用いた訓練よりも統計的に有意な改善を達成し, 血管再建による質的改善を強調できることを実証した。
論文 参考訳(メタデータ) (2023-01-18T03:22:47Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound
Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。
本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。
本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文 参考訳(メタデータ) (2022-12-15T14:34:12Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳(メタデータ) (2022-05-19T17:34:18Z) - Enabling faster and more reliable sonographic assessment of gestational
age through machine learning [1.3238745915345225]
胎児超音波は出生前治療の不可欠な部分であり、妊娠年齢(GA)を推定するために用いられる。
我々は,標準平面画像を用いた画像モデル,フライトビデオを用いたビデオモデル,アンサンブルモデル(画像とビデオの組み合わせ)の3つのAIモデルを開発した。
これら3種は, 専門ソノグラフィーによる標準胎児バイオメトリに基づくGA推定よりも統計的に優れていた。
論文 参考訳(メタデータ) (2022-03-22T17:15:56Z) - Learning Robotic Ultrasound Scanning Skills via Human Demonstrations and
Guided Explorations [12.894853456160924]
本研究では,人間の実演からロボット超音波スキャン技術を学ぶための学習に基づくアプローチを提案する。
まず,ロボット超音波スキャン技術を高次元マルチモーダルモデルにカプセル化し,超音波画像,プローブのポーズ・配置,接触力を考慮した。
第2に、経験者超音波医師のデモンストレーションから収集したトレーニングデータを用いて、模倣学習の力を利用してマルチモーダルモデルを訓練する。
論文 参考訳(メタデータ) (2021-11-02T14:38:09Z) - 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) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳(メタデータ) (2020-06-25T21:10:04Z)
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。