Fugu-MT 論文翻訳(概要): Brachial Plexus Nerve Trunk Segmentation Using Deep Learning: A Comparative Study with Doctors' Manual Segmentation

論文の概要: Brachial Plexus Nerve Trunk Segmentation Using Deep Learning: A Comparative Study with Doctors' Manual Segmentation

arxiv url: http://arxiv.org/abs/2205.08143v1
Date: Tue, 17 May 2022 07:23:28 GMT
ステータス: 処理完了
システム内更新日: 2022-05-18 13:30:50.570539
Title: Brachial Plexus Nerve Trunk Segmentation Using Deep Learning: A Comparative Study with Doctors' Manual Segmentation
Title（参考訳）: 深層学習による腕神経靭帯神経幹分節術 : 医師の手話分節との比較検討
Authors: Yu Wang, Binbin Zhu, Lingsi Kong, Jianlin Wang, Bin Gao, Jianhua Wang, Dingcheng Tian, and Yudong Yao
Abstract要約: 深層学習に基づく腕神経叢分割システム(BPSegSys)を開発した。 BPSegSysは様々な実験で経験者レベルの神経識別性能を達成する。以上の結果から,BPSegSysは腕神経叢をより正確に同定し,IoUは最大27%改善した。
参考スコア（独自算出の注目度）: 10.18353060771133
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ultrasound-guided nerve block anesthesia (UGNB) is a high-tech visual nerve block anesthesia method that can observe the target nerve and its surrounding structures, the puncture needle's advancement, and local anesthetics spread in real-time. The key in UGNB is nerve identification. With the help of deep learning methods, the automatic identification or segmentation of nerves can be realized, assisting doctors in completing nerve block anesthesia accurately and efficiently. Here, we establish a public dataset containing 320 ultrasound images of brachial plexus (BP). Three experienced doctors jointly produce the BP segmentation ground truth and label brachial plexus trunks. We design a brachial plexus segmentation system (BPSegSys) based on deep learning. BPSegSys achieves experienced-doctor-level nerve identification performance in various experiments. We evaluate BPSegSys' performance in terms of intersection-over-union (IoU), a commonly used performance measure for segmentation experiments. Considering three dataset groups in our established public dataset, the IoU of BPSegSys are 0.5238, 0.4715, and 0.5029, respectively, which exceed the IoU 0.5205, 0.4704, and 0.4979 of experienced doctors. In addition, we show that BPSegSys can help doctors identify brachial plexus trunks more accurately, with IoU improvement up to 27%, which has significant clinical application value.
Abstract（参考訳）: 超音波ガイド下神経ブロック麻酔(英: Ultrasound-Guided nerve block anesthesia, UGNB)は、標的神経とその周囲構造、穿刺針の進行、局所麻酔をリアルタイムで観察できる高次視覚ブロック麻酔法である。 UGNBの鍵は神経の識別である。深層学習の助けを借りて、神経ブロック麻酔を正確かつ効率的に完了させることで、神経の自動識別や分節化を実現することができる。本稿では,ブラキアルプレクス(bp)の320個の超音波画像を含む公開データセットを構築した。 3人の経験豊富な医師がBPセグメンテーションの真実と腕神経叢のトランクを共同で生成した。深層学習に基づく腕神経叢分割システム(BPSegSys)を設計する。 BPSegSysは様々な実験で経験者レベルの神経識別性能を達成する。我々は,BPSegSysの性能を,セグメンテーション実験でよく用いられる性能指標であるIoUを用いて評価した。 bpsegsys の iou はそれぞれ 0.5238, 0.4715, 0.5029 であり,iou 0.5205, 0.4704, 0.4979 を超える。さらに, bpsegsysは, iouが最大27%改善し, 臨床応用価値が著しく向上し, より正確に腕神経幹の同定に有用であることが示された。

関連論文リスト

Automated Real Time Delineation of Supraclavicular Brachial Plexus in Neck Ultrasonography Videos: A Deep Learning Approach [0.0]
本研究は, 上鎖骨・間腕神経叢の系統的スキャンを行った227名の被験者を対象とした。計41,000の動画フレームが、経験豊富な麻酔科医によって、物体追跡とアクティブな輪郭アルゴリズムによる部分的自動化を用いて注釈付けされた。深層学習モデルは,頚部超音波画像における上腕神経叢のリアルタイムセグメンテーションに高い精度と信頼性で利用することができる。
論文参考訳（メタデータ） (2023-08-07T16:40:19Z)
Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文参考訳（メタデータ） (2023-04-26T14:11:04Z)
Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文参考訳（メタデータ） (2022-12-20T12:56:28Z)
Non-inferiority of Deep Learning Acute Ischemic Stroke Segmentation on Non-Contrast CT Compared to Expert Neuroradiologists [5.584243195984352]
経験豊富な3人の神経放射線学者は、各スキャンで虚血核を反映する低密度を個別に区分した。 NCCTからの専門家Aのセグメンテーションを予測するために,3次元CNNアーキテクチャを訓練し,最適化した。 CNNは、神経放射線学者に匹敵する精度の急性虚血性脳梗塞患者において、NCCTの低濃度虚血核を正確に記述する。
論文参考訳（メタデータ） (2022-11-24T18:47:30Z)
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 Human-Centered Machine-Learning Approach for Muscle-Tendon Junction Tracking in Ultrasound Images [0.0]
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。
論文参考訳（メタデータ） (2022-02-10T18:02:46Z)
3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate Between Papilledema and Optic Disc Drusen [44.754910718620295]
我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。 1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
論文参考訳（メタデータ） (2021-12-18T17:05:53Z)
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)
Deeply supervised UNet for semantic segmentation to assist dermatopathological assessment of Basal Cell Carcinoma (BCC) [2.031570465477242]
unetアーキテクチャに基づく複数のモデルを用いた意味セグメンテーションによる基底細胞癌(bcc)の検出に焦点を当てた。 unetネットワークの最初の2つの異なるエンコーダと2つの追加のトレーニング戦略を分析した。最高のモデルは、テストセット上の96%、精度、感度、および特異性を達成します。
論文参考訳（メタデータ） (2021-03-05T15:39:55Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。