論文の概要: Agent with Tangent-based Formulation and Anatomical Perception for Standard Plane Localization in 3D Ultrasound

• arxiv url: http://arxiv.org/abs/2207.00475v1
• Date: Fri, 1 Jul 2022 14:53:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 12:21:39.036974
• Title: Agent with Tangent-based Formulation and Anatomical Perception for Standard Plane Localization in 3D Ultrasound
• Title（参考訳）: タンジェント型定式化エージェントと解剖学的知覚による3次元超音波の標準平面定位
• Authors: Yuxin Zou, Haoran Dou, Yuhao Huang, Xin Yang, Jikuan Qian, Chaojiong Zhen, Xiaodan Ji, Nishant Ravikumar, Guoqiang Chen, Weijun Huang, Alejandro F. Frangi, Dong Ni
• Abstract要約: 3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。 まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。 第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
• 参考スコア（独自算出の注目度）: 56.7645826576439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard plane (SP) localization is essential in routine clinical ultrasound (US) diagnosis. Compared to 2D US, 3D US can acquire multiple view planes in one scan and provide complete anatomy with the addition of coronal plane. However, manually navigating SPs in 3D US is laborious and biased due to the orientation variability and huge search space. In this study, we introduce a novel reinforcement learning (RL) framework for automatic SP localization in 3D US. Our contribution is three-fold. First, we formulate SP localization in 3D US as a tangent-point-based problem in RL to restructure the action space and significantly reduce the search space. Second, we design an auxiliary task learning strategy to enhance the model's ability to recognize subtle differences crossing Non-SPs and SPs in plane search. Finally, we propose a spatial-anatomical reward to effectively guide learning trajectories by exploiting spatial and anatomical information simultaneously. We explore the efficacy of our approach on localizing four SPs on uterus and fetal brain datasets. The experiments indicate that our approach achieves a high localization accuracy as well as robust performance.
• Abstract（参考訳）: 正常な臨床超音波診断には標準平面(SP)の局在が不可欠である。 2D USと比較して、3D USは1つのスキャンで複数のビュープレーンを取得でき、コロナ面を追加して完全な解剖学を提供する。 しかし、3D USで手動でSPをナビゲートすることは、方向のばらつきと巨大な検索空間のため、面倒で偏りがある。 本研究では,3D USにおけるSPの自動局在化のための新しい強化学習(RL)フレームワークを提案する。 私たちの貢献は3倍です。 まず、3D USにおけるSP局所化をRLにおける接点ベースの問題として定式化し、アクション空間を再構成し、探索空間を大幅に削減する。 第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。 最後に,空間情報と解剖情報を同時に活用することにより,学習軌跡を効果的に導くための空間解剖報酬を提案する。 我々は,4つのSPを子宮と胎児の脳データセットに局在させるアプローチの有効性を検討した。 実験の結果,本手法はロバストな性能と高い位置推定精度を達成できることがわかった。

関連論文リスト

• GOI: Find 3D Gaussians of Interest with an Optimizable Open-vocabulary Semantic-space Hyperplane [53.388937705785025]
  3Dオープンボキャブラリのシーン理解は、拡張現実とロボット応用の推進に不可欠である。 GOIは2次元視覚言語基礎モデルから3次元ガウススプラッティング(3DGS)に意味的特徴を統合するフレームワークである。 提案手法では,特徴空間内の超平面分割として特徴選択処理を扱い,クエリに関連性の高い特徴のみを保持する。
  論文  参考訳（メタデータ） (2024-05-27T18:57:18Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• Searching a High-Performance Feature Extractor for Text Recognition Network [92.12492627169108]
  優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。 空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。 本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T03:49:04Z)
• Searching Collaborative Agents for Multi-plane Localization in 3D Ultrasound [15.573821037925143]
  3D超音波は複数の標準平面(SP)を1枚のショットに収めることができる。 3D USにおける手動SPのローカライゼーションは、画像品質が低く、検索スペースが大きく、解剖学的変動が大きいため、難しい。 3DUSで複数のSPを同時にローカライズするマルチエージェント強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-22T02:48:23Z)
• Agent with Warm Start and Adaptive Dynamic Termination for Plane Localization in 3D Ultrasound [14.256624552635786]
  本研究は, エージェント探索の早期停止を可能にするために, 適応動的終端を新たに設計し, 従来のRLフレームワークを強化した。 2.52mm/10.26度,2.48mm/10.39度,2.02mm/10.48度,2.00mm/14.57度,2.61mm/9.71度,3.9mm/9.58度,1.49mm/7.54度,胎児脳内,腹腔内,子宮中,横,冠状面の局在誤差を実現する。
  論文  参考訳（メタデータ） (2021-03-26T14:57:26Z)
• 3D Axial-Attention for Lung Nodule Classification [0.11458853556386794]
  通常の非ローカルネットワークの計算能力のほんの一部を必要とする3D Axial-Attentionを使用することを提案する。 非局所ネットワークの位置不変問題を,共有埋め込みに3次元位置符号化を加えることを提案する。 その結果、3D Axial-Attentionモデルは、AUCやAccuracyを含むすべての評価指標で最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2020-12-28T06:49:09Z)
• Searching Collaborative Agents for Multi-plane Localization in 3D Ultrasound [59.97366727654676]
  3D超音波(US)はその豊富な診断情報、可搬性、低コストのために広く用いられている。 米国における標準平面(SP)のローカライゼーションは,効率の向上とユーザ依存の低減だけでなく,米国における3D解釈の促進にも寄与する。 本稿では,複数の子宮SPを同時に3D USにローカライズするマルチエージェント強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-30T07:23:55Z)
• Agent with Warm Start and Active Termination for Plane Localization in 3D Ultrasound [56.14006424500334]
  超音波(US)診断には標準面の局在が不可欠である。 出生前のアメリカでは、何十もの標準的な飛行機が手動で2Dプローブで取得される。 胎児脳標準平面を3DUSで自動的に局所化するための新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-10-10T02:21:52Z)

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。