論文の概要: Automatic Ultrasound Image Segmentation of Supraclavicular Nerve Using
Dilated U-Net Deep Learning Architecture
- arxiv url: http://arxiv.org/abs/2208.05050v1
- Date: Tue, 9 Aug 2022 21:45:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 12:41:24.986940
- Title: Automatic Ultrasound Image Segmentation of Supraclavicular Nerve Using
Dilated U-Net Deep Learning Architecture
- Title（参考訳）: Dilated U-Net Deep Learning Architecture を用いた肩鎖骨神経の自動超音波画像分割
- Authors: Mizuki Miyatake, Subhash Nerella, David Simpson, Natalia Pawlowicz,
Sarah Stern, Patrick Tighe, Parisa Rashidi
- Abstract要約: 本研究では,UGRA神経ブロック治療のための自動神経検出システムについて検討した。
このシステムはディープラーニング技術を用いて超音波画像中の神経の位置を認識することができる。
- 参考スコア（独自算出の注目度）: 1.139115821799478
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated object recognition in medical images can facilitate medical
diagnosis and treatment. In this paper, we automatically segmented
supraclavicular nerves in ultrasound images to assist in injecting peripheral
nerve blocks. Nerve blocks are generally used for pain treatment after surgery,
where ultrasound guidance is used to inject local anesthetics next to target
nerves. This treatment blocks the transmission of pain signals to the brain,
which can help improve the rate of recovery from surgery and significantly
decrease the requirement for postoperative opioids. However, Ultrasound Guided
Regional Anesthesia (UGRA) requires anesthesiologists to visually recognize the
actual nerve position in the ultrasound images. This is a complex task given
the myriad visual presentations of nerves in ultrasound images, and their
visual similarity to many neighboring tissues. In this study, we used an
automated nerve detection system for the UGRA Nerve Block treatment. The system
can recognize the position of the nerve in ultrasound images using Deep
Learning techniques. We developed a model to capture features of nerves by
training two deep neural networks with skip connections: two extended U-Net
architectures with and without dilated convolutions. This solution could
potentially lead to an improved blockade of targeted nerves in regional
anesthesia.
- Abstract（参考訳）: 医用画像における自動物体認識は、診断と治療を容易にする。
そこで本研究では,超音波画像から視床上神経を自動分割し,末梢神経ブロックの注入を支援する。
神経ブロックは一般に手術後の痛み治療に用いられ、超音波誘導は標的神経の隣の局所麻酔薬を注射するために用いられる。
この治療は、脳への痛み信号の伝達を阻害し、手術からの回復率を向上させ、術後のオピオイドの必要性を大幅に減少させる。
しかし,超音波ガイド下局所麻酔(ugra)では,麻酔科医が超音波画像中の神経位置を視覚的に認識する必要がある。
超音波画像における神経の無数の視覚的提示と、近隣の多くの組織との視覚的類似性を考えると、これは複雑な作業である。
本研究では,UGRA神経ブロック治療のための自動神経検出システムについて検討した。
このシステムは、深層学習技術を用いて超音波画像中の神経の位置を認識することができる。
我々は,拡張されたu-netアーキテクチャと拡張された畳み込みのない2つのディープニューラルネットワークを訓練することにより,神経の特徴を捉えるモデルを開発した。
この溶液は、局所麻酔における標的神経の遮断を改善する可能性がある。
関連論文リスト
- Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳（メタデータ） (2024-09-18T13:40:59Z) - Patient-Specific Real-Time Segmentation in Trackerless Brain Ultrasound [35.526097492693864]
術中超音波(iUS)画像検査は、脳外科手術の手術成績を改善する可能性がある。
しかし、その解釈は、専門家の神経外科医にとっても難しい。
本研究では,トラッカーレスiUSで脳腫瘍のセグメンテーションを行う最初の患者特異的フレームワークを設計した。
論文 参考訳（メタデータ） (2024-05-16T10:07:30Z) - 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) - Towards multi-modal anatomical landmark detection for ultrasound-guided
brain tumor resection with contrastive learning [3.491999371287298]
医用スキャン間の同種解剖学的ランドマークは、画像登録品質の定量的評価に有効である。
神経外科におけるMRIと術中USスキャンの対応するランドマークを検出するための,新しいコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-26T21:55:40Z) - Case Studies on X-Ray Imaging, MRI and Nuclear Imaging [0.0]
我々は、AIベースのアプローチ、特にCNN(Convolutional Neural Networks)の使用が、医療画像技術による疾患検出にどのように役立つかに焦点を当てる。
CNNは、生の入力画像から特徴を抽出できるため、画像解析の一般的な手法である。
論文 参考訳（メタデータ） (2023-06-03T09:05:35Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - 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) - DXM-TransFuse U-net: Dual Cross-Modal Transformer Fusion U-net for
Automated Nerve Identification [2.0299248281970956]
正確な神経の同定は、神経組織への損傷を予防するための外科的処置において重要である。
そこで我々は,Transformerブロックをベースとした融合モジュールをボトルネックとした,U-Netアーキテクチャを用いたディープラーニングネットワークフレームワークを開発した。
論文 参考訳（メタデータ） (2022-02-27T07:18:29Z) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳（メタデータ） (2021-10-12T21:22:24Z) - 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) - Hybrid Deep Neural Network for Brachial Plexus Nerve Segmentation in
Ultrasound Images [0.0764671395172401]
超音波ガイド下局所麻酔(UGRA)は鎖骨外科手術後の腕神経叢(BP)に応用できる。
超音波画像からのBPの同定は、訓練された専門家にとっても困難である。
超音波画像中のBP神経領域を分割するための分類モデルとセグメンテーションモデルを組み合わせたハイブリッドモデルを提案する。
論文 参考訳（メタデータ） (2021-06-01T10:31:47Z)
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。