論文の概要: Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging

• arxiv url: http://arxiv.org/abs/2212.07867v1
• Date: Thu, 15 Dec 2022 14:34:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 18:01:41.405077
• Title: Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging
• Title（参考訳）: 自律型肺超音波イメージングのためのヒトポッドからのスキャンターゲットの局在化
• Authors: Jianzhi Long, Jicang Cai, Abdullah Al-Battal, Shiwei Jin, Jing Zhang, Dacheng Tao, Truong Nguyen
• Abstract要約: 新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
• 参考スコア（独自算出の注目度）: 61.60067283680348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound is progressing toward becoming an affordable and versatile solution to medical imaging. With the advent of COVID-19 global pandemic, there is a need to fully automate ultrasound imaging as it requires trained operators in close proximity to patients for long period of time. In this work, we investigate the important yet seldom-studied problem of scan target localization, under the setting of lung ultrasound imaging. We propose a purely vision-based, data driven method that incorporates learning-based computer vision techniques. We combine a human pose estimation model with a specially designed regression model to predict the lung ultrasound scan targets, and deploy multiview stereo vision to enhance the consistency of 3D target localization. While related works mostly focus on phantom experiments, we collect data from 30 human subjects for testing. Our method attains an accuracy level of 15.52 (9.47) mm for probe positioning and 4.32 (3.69){\deg} for probe orientation, with a success rate above 80% under an error threshold of 25mm for all scan targets. Moreover, our approach can serve as a general solution to other types of ultrasound modalities. The code for implementation has been released.
• Abstract（参考訳）: 超音波は医療画像の安価で汎用的なソリューションになりつつある。 新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、長期にわたり患者に近接する訓練を受けたオペレーターを必要とするため、超音波画像を完全に自動化する必要がある。 そこで本研究では, 肺超音波画像検査において, スキャン対象の局所化の重要かつ稀な問題点について検討した。 学習型コンピュータビジョン技術を用いた純粋視覚に基づくデータ駆動手法を提案する。 我々は,ヒトのポーズ推定モデルと特別に設計された回帰モデルを組み合わせることで,肺の超音波スキャン対象を予測し,多視点ステレオビジョンを展開して3次元目標位置の整合性を高める。 関連する研究は主に幻実験に焦点を当てていますが、30人の被験者からデータを収集します。 プローブ位置決めは15.52 (9.47)mm, プローブ方位は4.32 (3.69){\deg} であり, 全走査目標の誤差閾値25mmで80%以上の成功率を達成した。 さらに,本手法は,他の種類の超音波モダリティに対する一般的な解法として機能する。 実装用のコードがリリースされた。

関連論文リスト

• FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans Using Deep Self-supervised Learning [1.0819408603463427]
  毎年1億4000万人以上の胎児が生まれ、多くのスキャンが行われる。 大量の胎児超音波スキャンが利用可能であることは、堅牢な機械学習モデルをトレーニングする機会を提供する。 本研究では,超音波画像の自動クラスタリングのための教師なしアプローチを提案する。
  論文  参考訳（メタデータ） (2023-10-19T09:11:23Z)
• RUSOpt: Robotic UltraSound Probe Normalization with Bayesian Optimization for In-plane and Out-plane Scanning [4.420121239028863]
  超音波画像の品質管理において,ロボットプローブの適切な配向が重要な役割を担っている。 走査面上の接触点に対する超音波プローブの向きを自動的に調整する試料効率向上手法を提案する。
  論文  参考訳（メタデータ） (2023-10-05T09:22:16Z)
• Towards Realistic Ultrasound Fetal Brain Imaging Synthesis [0.7315240103690552]
  臨床データ不足、患者のプライバシ、一般的には異常の稀な発生、データ収集と検証の専門家の限られたため、一般の超音波胎児画像データセットはほとんどない。 このようなデータ不足に対処するため、私たちは1つのパブリックデータセットから胎児の超音波脳面の画像を生成するために、GAN(Generative Adversarial Network)ベースのモデル、拡散超解像-GANとトランスフォーマーベース-GANを提案した。
  論文  参考訳（メタデータ） (2023-04-08T07:07:20Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• 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)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)
• Automatic Probe Movement Guidance for Freehand Obstetric Ultrasound [4.893896929103368]
  このシステムは、プローブに取り付けられた慣性測定ユニット(IMU)の超音波ビデオ信号と運動信号を受信する人工ニューラルネットワークを用いる。 US-GuideNetと呼ばれるネットワークは、標準的な平面位置への移動(ゴール予測)または、専門家のソノグラフィーが実行する次の動きを予測する。
  論文  参考訳（メタデータ） (2020-07-08T23:58:41Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• POCOVID-Net: Automatic Detection of COVID-19 From a New Lung Ultrasound Imaging Dataset (POCUS) [0.5330327625867509]
  我々は、新型コロナウイルス検出をガイドするために、より顕著な医療用超音波画像撮影の役割を提唱する。 64本の動画から肺超音波(POCUS)データセット(654 COVID-19,277 細菌性肺炎,172 健康管理)を採取した。 この3つのクラスのデータセットでディープ畳み込みニューラルネットワーク(POCOVID-Net)をトレーニングし、89%の精度で、多数決で92%の精度でビデオに畳み込む。
  論文  参考訳（メタデータ） (2020-04-25T08:41:24Z)
• A Deep Learning Approach for Motion Forecasting Using 4D OCT Data [69.62333053044712]
  我々は,OCTボリュームのストリームを用いたエンド・ツー・エンド動作予測と推定のための4次元時間深度学習を提案する。 提案手法は,全体の平均相関97.41%の動作予測を実現するとともに,従来の3D手法と比較して2.5倍の動作推定性能を向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:59:53Z)

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。