論文の概要: An Automatic Guidance and Quality Assessment System for Doppler Imaging of Umbilical Artery

• arxiv url: http://arxiv.org/abs/2304.05463v1
• Date: Tue, 11 Apr 2023 19:26:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 17:04:16.839491
• Title: An Automatic Guidance and Quality Assessment System for Doppler Imaging of Umbilical Artery
• Title（参考訳）: 子宮動脈ドプラ画像の自動誘導と品質評価システム
• Authors: Chun Kit Wong and Manxi Lin and Alberto Raheli and Zahra Bashir and Morten Bo S{\o}ndergaard Svendsen and Martin Gr{\o}nneb{\ae}k Tolsgaard and Aasa Feragen and Anders Nymark Christensen
• Abstract要約: 胎児超音波検査では,帯状動脈ドプラ像は帯状動脈の血流のモニタリングに重要である。 UAドップラー画像を取得するには、超音波画像の適切な位置にゲートを配置し、血流波形を取得し、ドップラー波形の質を判断する、多くのステップを正確に行う必要がある。 本稿では,このギャップを埋める自動システムを提案する。改良されたFaster R-CNNを用いてドップラーフローゲート位置を示すアルゴリズムを得る。 国立超音波検診データベースから657件の検診を行い,本システムの有効性を検証した。
• 参考スコア（独自算出の注目度）: 2.4626113631507893
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In fetal ultrasound screening, Doppler images on the umbilical artery (UA) are important for monitoring blood supply through the umbilical cord. However, to capture UA Doppler images, a number of steps need to be done correctly: placing the gate at a proper location in the ultrasound image to obtain blood flow waveforms, and judging the Doppler waveform quality. Both of these rely on the operator's experience. The shortage of experienced sonographers thus creates a demand for machine assistance. We propose an automatic system to fill this gap. Using a modified Faster R-CNN we obtain an algorithm that suggests Doppler flow gate locations. We subsequently assess the Doppler waveform quality. We validate the proposed system on 657 scans from a national ultrasound screening database. The experimental results demonstrate that our system is useful in guiding operators for UA Doppler image capture and quality assessment.
• Abstract（参考訳）: 胎児超音波検査では,帯状動脈ドプラ像は帯状動脈の血流のモニタリングに重要である。 しかし、超音波画像中の適切な位置にゲートを配置して血流波形を取得し、ドップラー波形の質を判定するなど、uaドップラー像を撮影するには、多くのステップを正しく行う必要がある。 どちらも操作者の経験に依拠している。 経験豊富なソノグラフィーの不足は機械支援の需要を生み出している。 このギャップを埋める自動システムを提案する。 修正されたFaster R-CNNを用いてドップラーフローゲート位置を提案するアルゴリズムを得る。 次にドップラー波形の品質を評価する。 国立超音波検診データベースから657件の検診を行い,本システムの有効性を検証した。 実験の結果, 本システムは, uaドップラー画像キャプチャと品質評価のための誘導操作に有用であることがわかった。

関連論文リスト

• Automatic 3D Multi-modal Ultrasound Segmentation of Human Placenta using Fusion Strategies and Deep Learning [11.137087573421258]
  ヒト胎盤の自動3次元マルチモーダル(Bモードとパワードップラー)超音波セグメンテーションを提案する。 我々は,Bモードとパワードプラ法を併用したデータを収集し,400件の検査を行った。 その結果,Bモードとパワードップラースキャンによるマルチモーダル情報は,単一のモダリティよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-17T23:17:08Z)
• A Unified Approach for Comprehensive Analysis of Various Spectral and Tissue Doppler Echocardiography [3.7775754350457746]
  本稿では、コンボリューションニューラルネットワークを用いた新しい統合フレームワークを導入し、スペクトルおよび組織ドプラ心エコー画像の包括的解析を行った。 ネットワークは、新しいドップラー形状の埋め込みとアンチエイリアスモジュールによって、様々なドップラービューにまたがる重要な特徴を自動的に認識する。 実験結果から, ダイス類似度係数 (DSC) や結合上の交叉 (IoU) など, 性能指標における一貫したアウトパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-11-14T15:10:05Z)
• 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)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• 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)
• FetalNet: Multi-task deep learning framework for fetal ultrasound biometric measurements [11.364211664829567]
  本稿では,FetalNetと呼ばれるマルチタスク・ニューラルネットワークについて,胎児超音波スキャン画像解析のためのアテンション機構とスタックモジュールを提案する。 胎児超音波画像解析の主な目的は、胎児の頭部、腹部、大腿骨を測定するための適切な基準面を見つけることである。 FetalNetという手法は,胎児超音波ビデオ記録における分類とセグメント化の両面で,既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2021-07-14T19:13:33Z)
• AutoFB: Automating Fetal Biometry Estimation from Standard Ultrasound Planes [10.745788530692305]
  提案したフレームワークは、最先端のセグメンテーションモデルを用いて、重要な胎児解剖を意味的にセグメンテーションする。 その結果, セグメンテーション性能のよいネットワークは, バイオメトリ推定においてより正確であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-12T08:42:31Z)
• Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
  本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。 第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。 第2段階は、心拍を幅または幅に分類する分類NNである。 第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
  論文  参考訳（メタデータ） (2020-11-17T16:15:49Z)
• Automated Detection of Congenital Heart Disease in Fetal Ultrasound Screening [7.496518691842825]
  自動データキュレーションと分類のためのパイプラインを提案する。 我々は、補助的な視点分類タスクを利用して、関連する心構造に対する特徴をバイアスする。 このバイアスは健康クラスとCHDクラスでそれぞれ0.72と0.77から0.87と0.85にF1スコアを改善するのに役立つ。
  論文  参考訳（メタデータ） (2020-08-16T17:53:41Z)

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。