論文の概要: BiometryNet: Landmark-based Fetal Biometry Estimation from Standard
Ultrasound Planes
- arxiv url: http://arxiv.org/abs/2206.14678v1
- Date: Wed, 29 Jun 2022 14:32:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-30 20:03:04.921291
- Title: BiometryNet: Landmark-based Fetal Biometry Estimation from Standard
Ultrasound Planes
- Title（参考訳）: BiometryNet:標準超音波によるランドマークに基づく胎児の生体計測
- Authors: Netanell Avisdris, Leo Joskowicz, Brian Dromey, Anna L. David, Donald
M. Peebles, Danail Stoyanov, Dafna Ben Bashat, Sophia Bano
- Abstract要約: 本稿では,胎児バイオメトリ推定のためのエンド・ツー・エンドのランドマーク回帰フレームワークであるBiometryNetについて述べる。
これには、ネットワークトレーニング中に測定固有の配向一貫性を強制する新しい動的配向決定(DOD)方法が含まれている。
本手法の有効性を検証するため, 臨床3施設で取得した1,829名の超音波画像3,398枚を, 異なる7種類の超音波装置を用いて収集した。
- 参考スコア（独自算出の注目度）: 9.919499846996269
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fetal growth assessment from ultrasound is based on a few biometric
measurements that are performed manually and assessed relative to the expected
gestational age. Reliable biometry estimation depends on the precise detection
of landmarks in standard ultrasound planes. Manual annotation can be
time-consuming and operator dependent task, and may results in high
measurements variability. Existing methods for automatic fetal biometry rely on
initial automatic fetal structure segmentation followed by geometric landmark
detection. However, segmentation annotations are time-consuming and may be
inaccurate, and landmark detection requires developing measurement-specific
geometric methods. This paper describes BiometryNet, an end-to-end landmark
regression framework for fetal biometry estimation that overcomes these
limitations. It includes a novel Dynamic Orientation Determination (DOD) method
for enforcing measurement-specific orientation consistency during network
training. DOD reduces variabilities in network training, increases landmark
localization accuracy, thus yields accurate and robust biometric measurements.
To validate our method, we assembled a dataset of 3,398 ultrasound images from
1,829 subjects acquired in three clinical sites with seven different ultrasound
devices. Comparison and cross-validation of three different biometric
measurements on two independent datasets shows that BiometryNet is robust and
yields accurate measurements whose errors are lower than the clinically
permissible errors, outperforming other existing automated biometry estimation
methods. Code is available at
https://github.com/netanellavisdris/fetalbiometry.
- Abstract（参考訳）: 超音波による胎児の成長評価は、妊娠年齢に対して手動で実施され、評価されるいくつかの生体計測値に基づいて行われる。
信頼性の高いバイオメトリ推定は、標準超音波平面におけるランドマークの正確な検出に依存する。
手動アノテーションは、時間消費とオペレータ依存のタスクであり、高い測定値の変動をもたらす可能性がある。
既存の胎児自動バイオメトリの方法は、初期自動胎児構造セグメンテーションと幾何学的ランドマーク検出に依存する。
しかし、セグメンテーションアノテーションは時間を要するため不正確であり、ランドマーク検出には測定固有の幾何学的手法の開発が必要である。
本稿では, 胎児のバイオメトリ推定のためのエンドツーエンドのランドマーク回帰フレームワークであるbiometrynetについて述べる。
ネットワークトレーニング中に測定固有の方向整合性を強制する新しい動的方向決定法(dod)を含む。
DODはネットワークトレーニングのばらつきを低減し、ランドマークのローカライゼーション精度を高め、正確でロバストな生体計測を行う。
本手法の有効性を検証するため, 臨床3施設で取得した1,829名の超音波画像3,398枚を収集した。
2つの独立したデータセットにおける3つの異なる生体計測値の比較と相互検証により、バイオメトリネットは堅牢であり、臨床的に許容される誤差よりも誤差が低い正確な測定値が得られることが示された。
コードはhttps://github.com/netanellavisdris/fetalbiometryで入手できる。
関連論文リスト
- Whole-examination AI estimation of fetal biometrics from 20-week
ultrasound scans [6.1751261266833986]
生体計測における人間レベルの性能を実現するパラダイムシフトを導入する。
我々は畳み込みニューラルネットワークを用いて、超音波ビデオ記録の各フレームを分類する。
適切な解剖が観察できるフレーム毎に胎児の生体計測を計測する。
論文 参考訳（メタデータ） (2024-01-02T13:04:41Z) - Fully automated landmarking and facial segmentation on 3D photographs [0.0]
本研究の目的は,深層学習を用いた自動頭蓋計測法の開発と評価である。
10個のランドマークが1人の観察者によって2897の顔写真に手動で注釈付けされた。
ワークフローはすべてのテストケースの98.6%で成功した。
論文 参考訳（メタデータ） (2023-09-19T09:39:55Z) - Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local
Geometry-driven Distance Metric [62.365983810610985]
そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。
CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。
一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
論文 参考訳（メタデータ） (2023-06-01T11:16:20Z) - 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) - Angular triangle distance for ordinal metric learning [0.0]
本研究では,新しい三角形距離 (ATD) と順序三重項ネットワーク (OTD) を提案し,順序データに対する正確な埋め込み空間表現を求める。
提案手法は順序の性質を意味的に保存するだけでなく,既存のDMLモデルよりも精度が高いことを示す。
論文 参考訳（メタデータ） (2022-11-28T10:18:06Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z) - AutoFB: Automating Fetal Biometry Estimation from Standard Ultrasound
Planes [10.745788530692305]
提案したフレームワークは、最先端のセグメンテーションモデルを用いて、重要な胎児解剖を意味的にセグメンテーションする。
その結果, セグメンテーション性能のよいネットワークは, バイオメトリ推定においてより正確であることが示唆された。
論文 参考訳（メタデータ） (2021-07-12T08:42:31Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z) - Segmentation-free Estimation of Aortic Diameters from MRI Using Deep
Learning [2.231365407061881]
大動脈径の直接推定のための教師付き深層学習法を提案する。
提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。
全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
論文 参考訳（メタデータ） (2020-09-09T18:28:00Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z) - Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint
modeling [69.35569554213679]
解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。
この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。
本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
論文 参考訳（メタデータ） (2020-05-16T21:17:26Z)
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。