論文の概要: Key-frame Guided Network for Thyroid Nodule Recognition using Ultrasound Videos

• arxiv url: http://arxiv.org/abs/2206.13318v2
• Date: Tue, 28 Jun 2022 15:14:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-06-29 12:12:07.706693
• Title: Key-frame Guided Network for Thyroid Nodule Recognition using Ultrasound Videos
• Title（参考訳）: 超音波映像を用いた甲状腺結節認識のためのキーフレーム誘導ネットワーク
• Authors: Yuchen Wang, Zhongyu Li, Xiangxiang Cui, Liangliang Zhang, Xiang Luo, Meng Yang, and Shi Chang
• Abstract要約: 本稿では,超音波ビデオとキーフレームの探索による甲状腺結節の自動認識手法を提案する。 まず,各超音波ビデオの典型的な結節を自動同定する検出局所化フレームワークを提案する。この局所化キーフレームに基づいて,甲状腺結節認識のためのキーフレームガイド付きビデオ分類モデルを構築し,また,臨床診断と整合した,有意なフレームにネットワークが焦点を合わせるための移動注意モジュールを導入する。
• 参考スコア（独自算出の注目度）: 13.765306481109988
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ultrasound examination is widely used in the clinical diagnosis of thyroid nodules (benign/malignant). However, the accuracy relies heavily on radiologist experience. Although deep learning techniques have been investigated for thyroid nodules recognition. Current solutions are mainly based on static ultrasound images, with limited temporal information used and inconsistent with clinical diagnosis. This paper proposes a novel method for the automated recognition of thyroid nodules through an exhaustive exploration of ultrasound videos and key-frames. We first propose a detection-localization framework to automatically identify the clinical key-frames with typical nodules in each ultrasound video. Based on the localized key-frames, we develop a key-frame guided video classification model for thyroid nodule recognition. Besides, we introduce motion attention module to help network focus on significant frames in an ultrasound video, which is consistent with clinical diagnosis. The proposed thyroid nodule recognition framework is validated on clinically collected ultrasound videos, demonstrating superior performance compared with other state-of-the-art methods.
• Abstract（参考訳）: 超音波検査は甲状腺結節(良性/悪性)の臨床診断に広く用いられている。 しかし、精度は放射線技師の経験に大きく依存している。 甲状腺結節認識のための深層学習技術が研究されている。 現在の解決策は主に静的超音波画像に基づいており、時間的情報が限られており、臨床診断と矛盾している。 本稿では,超音波ビデオとキーフレームの徹底的な探索による甲状腺結節の自動認識手法を提案する。 まず,超音波映像中の典型的結節を伴う臨床キーフレームを自動的に識別する検出局所化フレームワークを提案する。 局所化キーフレームに基づいて,甲状腺結節認識のためのキーフレーム誘導ビデオ分類モデルを開発した。 また,超音波映像中の重要なフレームにネットワークが焦点を合わせるのに役立つモーションアテンションモジュールも導入し,臨床診断と整合する。 本発明の甲状腺結節認識フレームワークは, 臨床検査による超音波検査において, 他の最先端法と比較して優れた性能を示した。

関連論文リスト

• Prior-Guided DETR for Ultrasound Nodule Detection [12.28367495765275]
  超音波検出に特化して設計された事前誘導型DETRフレームワークを提案する。 提案するフレームワークは、純粋にデータ駆動の機能学習に頼るのではなく、ネットワークの複数の段階で異なる事前知識を段階的に取り入れている。 2つの臨床的に収集された甲状腺超音波データセットを用いて行った実験により,提案法は18種類の検出法と比較して精度が高いことが示された。
  論文  参考訳（メタデータ） (2026-01-05T15:32:58Z)
• Nodule-DETR: A Novel DETR Architecture with Frequency-Channel Attention for Ultrasound Thyroid Nodule Detection [11.368372526576879]
  甲状腺癌は最も一般的な内分泌腫瘍であり、その発生率は世界中で増加している。 超音波画像における甲状腺結節検出のための新しい検出変換器(DETR)アーキテクチャであるNodule-DETRを提案する。 Nodule-DETRは、低コントラストノジュールの特徴を高めるために周波数分析を利用するマルチスペクトル周波数領域チャネル注意(MSFCA)モジュール、効率的なマルチスケール統合のための階層的特徴融合(HFF)モジュール、小型で不規則な結節を柔軟にキャプチャするマルチスケール変形性注意(MSDA)モジュールの3つの重要なイノベーションを紹介している。
  論文  参考訳（メタデータ） (2026-01-05T08:53:04Z)
• VA-Adapter: Adapting Ultrasound Foundation Model to Echocardiography Probe Guidance [57.43511837589102]
  我々は、膨大なデータセットから基礎モデルで学習した医療知識をプローブガイダンスタスクに適用する。 我々は,基礎モデルのイメージエンコーダが視覚アクションシーケンスをエンコードできるように,パラメータ効率のよいビジュアル・アクション・アダプタ (VA-Adapter) を巧みに設計する。 VA-Adapterは、コンパクトな設計でシーケンシャル推論機能を組み込むことで、事前訓練された超音波基礎モデルにより、精密なプローブ調整戦略を学習することができる。
  論文  参考訳（メタデータ） (2025-10-08T09:38:30Z)
• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Generative Adversarial Networks in Ultrasound Imaging: Extending Field of View Beyond Conventional Limits [1.6588671405657123]
  TTE超音波イメージングは、特に視野(FoV)と解像度のトレードオフなど、固有の限界に直面している。 本稿では,条件付きジェネレーティブ・アドバイザリ・ネットワーク(cGAN)の新たな応用について紹介する。 提案したcGANアーキテクチャーはエコーGANと呼ばれ、アウトペイントにより現実的な解剖学的構造を生成する能力を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:26:30Z)
• SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
  冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。 心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。 自動冠状動脈疾患診断では異常な成績を示した。
  論文  参考訳（メタデータ） (2023-11-17T02:01:19Z)
• Show from Tell: Audio-Visual Modelling in Clinical Settings [58.88175583465277]
  臨床環境でのオーディオ・ビジュアル・モデリングを考察し、人間の専門的アノテーションを使わずに医学的表現を学習するためのソリューションを提供する。 この目的のために, 単純かつ効果的なマルチモーダル自己教師型学習フレームワークを提案する。 提案手法は,音声のみを基準として,超音波画像中の解剖学的関心領域をローカライズすることができる。
  論文  参考訳（メタデータ） (2023-10-25T08:55:48Z)
• Automatic nodule identification and differentiation in ultrasound videos to facilitate per-nodule examination [12.75726717324889]
  ソノグラフィーは通常、結節の特徴と周囲の構造を調べることによって異なる結節を識別する。 我々は,入力ビデオクリップから特徴ベクトルを抽出できるディープラーニングモデルに基づく抽出器と,結節によって特徴ベクトルを自動的にグループ化するリアルタイムクラスタリングアルゴリズムの2つの部分からなる再同定システムを構築した。
  論文  参考訳（メタデータ） (2023-10-10T06:20:14Z)
• 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)
• Identifying Visible Tissue in Intraoperative Ultrasound Images during Brain Surgery: A Method and Application [1.4408275800058263]
  術中超音波検査は, 必要なビゾタクタクタブル・タスクである。 オペレーターは超音波の視点を同時にローカライズし、プローブのポーズを手動で調整する必要がある。 超音波プローブと組織接触の解析を可能にする可視組織同定法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T23:06:14Z)
• Automating Detection of Papilledema in Pediatric Fundus Images with Explainable Machine Learning [36.655566061309734]
  パピレデマは眼神経疾患であり、頭蓋内圧が上昇すると視神経が膨らむ。 本稿では,小児パピレデマの自動検出のためのディープラーニングに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-10T23:30:05Z)
• Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
  不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。 また、TNCD: Thyroid Nodule Classification データセットも提供します。
  論文  参考訳（メタデータ） (2022-07-02T11:50:02Z)
• 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)
• 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)
• A systematic review on the role of artificial intelligence in sonographic diagnosis of thyroid cancer: Past, present and future [0.6523396727243321]
  本総説は甲状腺癌の診断に利用できるテクニックの方法論に基づく分類である。 甲状腺悪性腫瘍の超音波診断分野の動向と課題を考察する。 マシンラーニングは、将来の甲状腺癌診断フレームワークの開発において、引き続き基本的な役割を果たす。
  論文  参考訳（メタデータ） (2020-06-10T14:38:05Z)

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。