論文の概要: Adaptive 3D Localization of 2D Freehand Ultrasound Brain Images
- arxiv url: http://arxiv.org/abs/2209.05477v1
- Date: Mon, 12 Sep 2022 17:59:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 12:49:55.198394
- Title: Adaptive 3D Localization of 2D Freehand Ultrasound Brain Images
- Title(参考訳): 2次元自由ハンド超音波脳画像の適応的3次元定位
- Authors: Pak-Hei Yeung, Moska Aliasi, Monique Haak, The INTERGROWTH-21st
Consortium, Weidi Xie, Ana I.L. Namburete
- Abstract要約: 本稿では,3次元解剖学的アトラス内の2次元超音波像を適応的に局所化するフレームワークであるAdLocUIを提案する。
まず、共配列の3D超音波ボリュームからサンプリングした2Dスライスで畳み込みニューラルネットワークをトレーニングし、その位置を予測する。
新規な教師なしサイクル整合性を用いて、2次元自由手超音波画像で微調整する。
- 参考スコア(独自算出の注目度): 18.997300579859978
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Two-dimensional (2D) freehand ultrasound is the mainstay in prenatal care and
fetal growth monitoring. The task of matching corresponding cross-sectional
planes in the 3D anatomy for a given 2D ultrasound brain scan is essential in
freehand scanning, but challenging. We propose AdLocUI, a framework that
Adaptively Localizes 2D Ultrasound Images in the 3D anatomical atlas without
using any external tracking sensor.. We first train a convolutional neural
network with 2D slices sampled from co-aligned 3D ultrasound volumes to predict
their locations in the 3D anatomical atlas. Next, we fine-tune it with 2D
freehand ultrasound images using a novel unsupervised cycle consistency, which
utilizes the fact that the overall displacement of a sequence of images in the
3D anatomical atlas is equal to the displacement from the first image to the
last in that sequence. We demonstrate that AdLocUI can adapt to three different
ultrasound datasets, acquired with different machines and protocols, and
achieves significantly better localization accuracy than the baselines. AdLocUI
can be used for sensorless 2D freehand ultrasound guidance by the bedside. The
source code is available at https://github.com/pakheiyeung/AdLocUI.
- Abstract(参考訳): 2次元フリーハンド超音波は、出生前ケアと胎児成長モニタリングのメインステイである。
2次元超音波脳スキャンの3次元解剖学における対応する断面面のマッチングは、フリーハンドスキャンには不可欠だが、難しい。
外部追跡センサを使わずに3次元解剖学的アトラス内に2次元超音波像を適応的に局在させるフレームワークであるAdLocUIを提案する。
.
まず,2次元スライスを用いた畳み込みニューラルネットワークの訓練を行い,3次元解剖学的アトラスの位置を推定した。
次に,3次元解剖学的アトラスにおける画像列全体の変位が,第1の画像から第1画像への変位と等しくなることを生かした,新しい非教師付きサイクル一貫性を用いて2次元自由手超音波画像で微調整する。
我々は,AdLocUIが3つの異なる超音波データセットに適応し,異なるマシンやプロトコルで取得し,ベースラインよりもはるかに優れたローカライゼーション精度を実現することを実証した。
AdLocUIは、ベッドサイドによるセンサレス2D超音波誘導に使用できる。
ソースコードはhttps://github.com/pakheiyeung/AdLocUIで入手できる。
関連論文リスト
- Pose-GuideNet: Automatic Scanning Guidance for Fetal Head Ultrasound from Pose Estimation [13.187011661009459]
2次元横断的な視点から3Dポーズを推定することで、医療専門家は3D空間をナビゲートできる。
本研究では,フリーハンド2次元超音波による胎児の3次元ポーズ推定がソノグラフィーを誘導し,頭部標準平面の位置を推定する方法について検討する。
論文 参考訳(メタデータ) (2024-08-19T12:11:50Z) - Cross-Dimensional Medical Self-Supervised Representation Learning Based on a Pseudo-3D Transformation [68.60747298865394]
擬似3D変換(CDSSL-P3D)に基づく新しい三次元SSLフレームワークを提案する。
具体的には、2D画像を3Dデータに整合したフォーマットに変換するim2colアルゴリズムに基づく画像変換を提案する。
この変換は2次元および3次元データのシームレスな統合を可能にし、3次元医用画像解析のための相互教師あり学習を容易にする。
論文 参考訳(メタデータ) (2024-06-03T02:57:25Z) - RapidVol: Rapid Reconstruction of 3D Ultrasound Volumes from Sensorless 2D Scans [12.837508334426529]
本稿では,スライス・ツー・ボリューム超音波再構成を高速化するニューラル表現フレームワークであるRapidVolを提案する。
地上の真理(または推定)の3D位置と向き(目的)を持つ2次元超音波スキャンのセットは、完全な3D再構成を形成するのに必要なもの全てである。
従来の手法と比較して,提案手法は3倍高速で46%精度が高く,不正確なポーズが与えられた場合,より堅牢である。
論文 参考訳(メタデータ) (2024-04-16T17:50:09Z) - Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。
本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。
3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文 参考訳(メタデータ) (2024-03-19T15:57:04Z) - DSGN++: Exploiting Visual-Spatial Relation forStereo-based 3D Detectors [60.88824519770208]
カメラベースの3Dオブジェクト検出器は、LiDARセンサーよりも広い展開と低価格のため歓迎されている。
我々は3次元幾何学と意味論の両方を表現するステレオボリューム構造について、以前のステレオモデリングDSGNを再考する。
本稿では,2次元から3次元のパイプラインを通しての情報フローを改善することを目的としたDSGN++を提案する。
論文 参考訳(メタデータ) (2022-04-06T18:43:54Z) - 3D-OOCS: Learning Prostate Segmentation with Inductive Bias [5.907824204733372]
我々は,脊椎動物の視覚処理に触発された新しいアーキテクチャであるOOCS-enhanced Networkを紹介した。
ベースとして異なる3D U-Netの変種を伴って、第2エンコーダブロックに2つの3D残留成分(オン・オフ・センター・サラウンド)を付加する。
OOCSは、3DのU-Netが3D画像に存在する解剖学的構造を精査し、精査するのに役立つ。
論文 参考訳(メタデータ) (2021-10-29T10:14:56Z) - ImplicitVol: Sensorless 3D Ultrasound Reconstruction with Deep Implicit
Representation [13.71137201718831]
本研究の目的は, 深い暗示表現を持つ2次元自由手超音波画像の集合から, 3次元ボリュームのセンサレス再構成を実現することである。
3次元体積を離散ボクセル格子として表現する従来の方法とは対照的に、連続函数のゼロレベル集合としてパラメータ化することでそうする。
提案モデルでは,インプリシットボル(ImplicitVol)が入力として2Dスキャンと推定位置を3Dで抽出し,推定した3D位置を共同で再現し,3Dボリュームの完全な再構築を学習する。
論文 参考訳(メタデータ) (2021-09-24T17:59:18Z) - FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection [78.00922683083776]
一般的な2D検出器をこの3Dタスクで動作させることは簡単ではない。
本報告では,完全畳み込み型単段検出器を用いた手法を用いてこの問題を考察する。
私たちのソリューションは、NeurIPS 2020のnuScenes 3D検出チャレンジのすべてのビジョンのみの方法の中で1位を獲得します。
論文 参考訳(メタデータ) (2021-04-22T09:35:35Z) - 3D-to-2D Distillation for Indoor Scene Parsing [78.36781565047656]
大規模3次元データリポジトリから抽出した3次元特徴を有効活用し,RGB画像から抽出した2次元特徴を向上する手法を提案する。
まず,事前学習した3Dネットワークから3D知識を抽出して2Dネットワークを監督し,トレーニング中の2D特徴からシミュレーションされた3D特徴を学習する。
次に,2次元の正規化方式を設計し,2次元特徴と3次元特徴のキャリブレーションを行った。
第3に,非ペアの3dデータを用いたトレーニングのフレームワークを拡張するために,意味を意識した対向的トレーニングモデルを設計した。
論文 参考訳(メタデータ) (2021-04-06T02:22:24Z) - Bidirectional Projection Network for Cross Dimension Scene Understanding [69.29443390126805]
本稿では,2次元および3次元の連立推論のための縦方向投影網(BPNet)をエンドツーエンドに提示する。
emphBPM、補完的な2D、および3D情報は、複数のアーキテクチャレベルで相互に相互作用することができる。
我々のemphBPNetは2次元および3次元セマンティックセマンティックセグメンテーションのためのScanNetV2ベンチマークで最高性能を達成した。
論文 参考訳(メタデータ) (2021-03-26T08:31:39Z)
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。