論文の概要: Reslicing Ultrasound Images for Data Augmentation and Vessel
Reconstruction
- arxiv url: http://arxiv.org/abs/2301.07286v1
- Date: Wed, 18 Jan 2023 03:22:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-19 16:53:49.924817
- Title: Reslicing Ultrasound Images for Data Augmentation and Vessel
Reconstruction
- Title(参考訳): データ拡張と血管再建のための超音波画像の再構成
- Authors: Cecilia Morales, Jason Yao, Tejas Rane, Robert Edman, Howie Choset,
Artur Dubrawski
- Abstract要約: 本稿では,追跡された2次元画像から再構成された3次元ボリュームをスライスした超音波画像に対する弱い監視データ拡張手法であるRESUSを紹介する。
超音波画像の物理的制約により生体内で容易に得られないビューを生成し,これらの拡張超音波画像を用いてセマンティックセグメンテーションモデルを訓練する。
我々は, RESUSが非拡張画像を用いた訓練よりも統計的に有意な改善を達成し, 血管再建による質的改善を強調できることを実証した。
- 参考スコア(独自算出の注目度): 22.336362581634706
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robot-guided catheter insertion has the potential to deliver urgent medical
care in situations where medical personnel are unavailable. However, this
technique requires accurate and reliable segmentation of anatomical landmarks
in the body. For the ultrasound imaging modality, obtaining large amounts of
training data for a segmentation model is time-consuming and expensive. This
paper introduces RESUS (RESlicing of UltraSound Images), a weak supervision
data augmentation technique for ultrasound images based on slicing
reconstructed 3D volumes from tracked 2D images. This technique allows us to
generate views which cannot be easily obtained in vivo due to physical
constraints of ultrasound imaging, and use these augmented ultrasound images to
train a semantic segmentation model. We demonstrate that RESUS achieves
statistically significant improvement over training with non-augmented images
and highlight qualitative improvements through vessel reconstruction.
- Abstract(参考訳): ロボットガイドカテーテル挿入は、医療従事者が使用できない状況で緊急医療を提供する可能性がある。
しかし、この技術には、身体の解剖学的ランドマークの正確かつ信頼性の高いセグメント化が必要である。
超音波イメージングモードの場合、セグメンテーションモデルの大量のトレーニングデータを取得するのに時間がかかり、費用がかかる。
本稿では,2次元追跡画像から再構成した3Dボリュームをスライスした超音波画像に対する弱い監視データ拡張手法であるRESUS(Relicing of UltraSound Images)を紹介する。
この手法により、超音波画像の物理的制約により生体内で容易に得られない視野を生成し、これらの拡張超音波画像を用いて意味セグメンテーションモデルを訓練することができる。
resusは,非提示画像を用いた訓練よりも統計的に有意な改善を達成し,血管再建による質的改善を強調する。
関連論文リスト
- Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。
本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。
提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
論文 参考訳(メタデータ) (2024-02-09T15:14:48Z) - 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) - Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。
データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文 参考訳(メタデータ) (2022-04-09T13:04:36Z) - 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) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-05-20T09:33:55Z) - Ultrasound Image Classification using ACGAN with Small Training Dataset [0.0]
ディープラーニングモデルのトレーニングには大きなラベル付きデータセットが必要であるが、超音波画像では利用できないことが多い。
我々は、大規模データ拡張と転送学習の利点を組み合わせた、ジェネレーティブ・アドバイサル・ネットワーク(ACGAN)を利用する。
乳房超音波画像のデータセットを用いて,提案手法の有効性を示す実験を行った。
論文 参考訳(メタデータ) (2021-01-31T11:11:24Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z)
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。