論文の概要: Investigating Pulse-Echo Sound Speed Estimation in Breast Ultrasound with Deep Learning

• arxiv url: http://arxiv.org/abs/2302.03064v1
• Date: Mon, 6 Feb 2023 19:02:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-08 18:31:59.215709
• Title: Investigating Pulse-Echo Sound Speed Estimation in Breast Ultrasound with Deep Learning
• Title（参考訳）: 深層学習による乳房超音波のパルスエコー音速推定の検討
• Authors: Walter A. Simson, Magdalini Paschali, Vasiliki Sideri-Lampretsa, Nassir Navab, Jeremy J. Dahl
• Abstract要約: In-phase および quadrature の超音波信号から音速を推定する深層学習手法を提案する。 準現実性乳房組織を生成する大規模超音波データセットを開発した。 シミュレーション,ファントム,乳房内超音波データを用いたモデルの評価を行った。
• 参考スコア（独自算出の注目度）: 44.70495434283752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound is an adjunct tool to mammography that can quickly and safely aid physicians with diagnosing breast abnormalities. Clinical ultrasound often assumes a constant sound speed to form B-mode images for diagnosis. However, the various types of breast tissue, such as glandular, fat, and lesions, differ in sound speed. These differences can degrade the image reconstruction process. Alternatively, sound speed can be a powerful tool for identifying disease. To this end, we propose a deep-learning approach for sound speed estimation from in-phase and quadrature ultrasound signals. First, we develop a large-scale simulated ultrasound dataset that generates quasi-realistic breast tissue by modeling breast gland, skin, and lesions with varying echogenicity and sound speed. We developed a fully convolutional neural network architecture trained on a simulated dataset to produce an estimated sound speed map from inputting three complex-value in-phase and quadrature ultrasound images formed from plane-wave transmissions at separate angles. Furthermore, thermal noise augmentation is used during model optimization to enhance generalizability to real ultrasound data. We evaluate the model on simulated, phantom, and in-vivo breast ultrasound data, demonstrating its ability to accurately estimate sound speeds consistent with previously reported values in the literature. Our simulated dataset and model will be publicly available to provide a step towards accurate and generalizable sound speed estimation for pulse-echo ultrasound imaging.
• Abstract（参考訳）: 超音波は乳房異常の診断を迅速かつ安全に行うことができる乳房造影補助具である。 臨床超音波は診断のためにBモード画像を形成するために音速を一定に仮定することが多い。 しかし, 腺, 脂肪, 病変などの乳房組織の種類は音速によって異なる。 これらの差異は、画像再構成過程を劣化させることができる。 あるいは、音速は病気を識別するための強力なツールである。 そこで本研究では,位相内および二次超音波信号から音速推定を行うための深層学習手法を提案する。 まず, 胸腺, 皮膚, 病変をエコー原性および音速でモデル化し, 準現実性乳房組織を生成する大規模超音波データセットを開発した。 我々は,3つの複素値内位相および2次超音波像を異なる角度で入力することにより,シミュレーションデータセットに基づいて学習した完全な畳み込みニューラルネットワークアーキテクチャを構築した。 さらに, モデル最適化において, 実超音波データへの一般化性を高めるために, 熱雑音の増大が用いられる。 シミュレーション,ファントム,乳房内超音波データに基づくモデルの評価を行い,文献で報告された値と一致する音速を正確に推定する能力を示した。 我々のシミュレーションデータセットとモデルが公開され、パルスエコー画像の正確で一般化可能な音速推定に向けたステップが提供される。

関連論文リスト

• S-CycleGAN: Semantic Segmentation Enhanced CT-Ultrasound Image-to-Image Translation for Robotic Ultrasonography [2.07180164747172]
  我々はS-CycleGANと呼ばれる高度なディープラーニングモデルを導入し,CTデータから高品質な合成超音波画像を生成する。 合成画像を用いて,ロボット支援超音波スキャンシステムの開発の諸側面を解明する。
  論文  参考訳（メタデータ） (2024-06-03T10:53:45Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Real-Time Model-Based Quantitative Ultrasound and Radar [65.268245109828]
  本稿では,波動伝搬の物理モデルに基づくニューラルネットワークを提案し,受信信号と物理特性の関係を定義した。 我々のネットワークは、複雑で現実的なシナリオのために、1秒未満で複数の物理的特性を再構築することができる。
  論文  参考訳（メタデータ） (2024-02-16T09:09:16Z)
• 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)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• 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)
• A Universal Deep Learning Framework for Real-Time Denoising of Ultrasound Images [0.0]
  超音波画像のリアルタイムデノライゼーションのための普遍的ディープラーニングフレームワークを定義した。 超音波画像の平滑化のための最先端手法の解析と比較を行った。 そこで本研究では,選択された最新デノイジング手法のチューニング版を提案する。
  論文  参考訳（メタデータ） (2021-01-22T14:18:47Z)

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。