論文の概要: Blind Signal Separation for Fast Ultrasound Computed Tomography

• arxiv url: http://arxiv.org/abs/2304.14424v1
• Date: Thu, 27 Apr 2023 12:14:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-01 16:12:28.533448
• Title: Blind Signal Separation for Fast Ultrasound Computed Tomography
• Title（参考訳）: 高速超音波CTのためのブラインド信号分離
• Authors: Takumi Noda, Yuu Jinnai, Naoki Tomii, Takashi Azuma
• Abstract要約: FastUSCTは、USCTの従来の方法よりも高速に高品質な画像を取得する方法である。 複数の超音波を同時に送信し、撮像時間を短縮する。 受信要素によって記録された重なり合う波をUNetで各波に分離する。
• 参考スコア（独自算出の注目度）: 6.25118865553438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is the most prevalent cancer with a high mortality rate in women over the age of 40. Many studies have shown that the detection of cancer at earlier stages significantly reduces patients' mortality and morbidity rages. Ultrasound computer tomography (USCT) is considered as a promising screening tool for diagnosing early-stage breast cancer as it is cost-effective and produces 3D images without radiation exposure. However, USCT is not a popular choice mainly due to its prolonged imaging time. USCT is time-consuming because it needs to transmit a number of ultrasound waves and record them one by one to acquire a high-quality image. We propose FastUSCT, a method to acquire a high-quality image faster than traditional methods for USCT. FastUSCT consists of three steps. First, it transmits multiple ultrasound waves at the same time to reduce the imaging time. Second, it separates the overlapping waves recorded by the receiving elements into each wave with UNet. Finally, it reconstructs an ultrasound image with a synthetic aperture method using the separated waves. We evaluated FastUSCT on simulation on breast digital phantoms. We trained the UNet on simulation using natural images and transferred the model for the breast digital phantoms. The empirical result shows that FastUSCT significantly improves the quality of the image under the same imaging time to the conventional USCT method, especially when the imaging time is limited.
• Abstract（参考訳）: 乳がんは最も一般的ながんであり、40歳以上の女性の死亡率が高い。 多くの研究は、早期がんの発見が患者の死亡率と死亡率を著しく低下させることを示した。 超音波コンピュータ断層撮影(USCT)は,早期乳癌を診断するための有望なスクリーニングツールであり,放射線照射なしで3D画像を生成する。 しかし、USCTは、主に撮像時間が長いため、一般的な選択肢ではない。 usctは、複数の超音波を1つずつ記録して高品質な画像を得る必要があるため、時間がかかります。 我々は,従来のUSCTよりも高速に高品質な画像を取得するFastUSCTを提案する。 FastUSCTは3つのステップから構成される。 まず、複数の超音波を同時に送信し、撮像時間を短縮する。 第2に、受信素子によって記録された重なり合う波をUNetで各波に分離する。 最後に、分離波を用いた合成開口法により超音波画像の再構成を行う。 乳房デジタルファントムのシミュレーションにおけるFastUSCTの評価を行った。 自然画像を用いたシミュレーションでunetを訓練し,乳房デジタルファントムのモデル移行を行った。 その結果、fastusctは従来のusct法と同じ撮像時間下において、特に撮像時間が制限された場合に、画像の品質を著しく向上させることがわかった。

関連論文リスト

• Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with Feature Extraction [3.2088888904556123]
  合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。 提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2023-10-31T16:39:56Z)
• 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)
• Transforming Breast Cancer Diagnosis: Towards Real-Time Ultrasound to Mammogram Conversion for Cost-Effective Diagnosis [2.319204392173771]
  我々は、波動方程式を解くことにより、マンモグラム画像から超音波画像を生成する。 我々は、シミュレーションされた超音波画像のリアリズムを高めるために、ドメイン適応の力を利用する。 結果として得られた画像は、オリジナルのアメリカの画像よりもかなりはっきりとした詳細を持っている。
  論文  参考訳（メタデータ） (2023-08-10T09:15:15Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Parallel Diffusion Model-based Sparse-view Cone-beam Breast CT [7.712142153700843]
  我々は,切欠き拡散確率モデル(DDPM)を,サブボリュームベーススパースビュー胸部CT画像再構成のための並列フレームワークに変換する。 実験により, 本手法は, 標準放射線線量の半分から3分の1の競争再建性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-03-22T18:55:43Z)
• Deep Integrated Pipeline of Segmentation Leading to Classification for Automated Detection of Breast Cancer from Breast Ultrasound Images [0.0]
  提案フレームワークは,超音波画像の前処理をSLIC(Simple Linear Iterative Clustering)と統合し,乳房超音波画像の複雑なアーティファクトに対処する。 提案した自動パイプラインは、乳がんをより正確かつタイムリーに診断する医療従事者を支援するために効果的に実装することができる。
  論文  参考訳（メタデータ） (2021-10-26T20:42:39Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• 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)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)
• Joint 2D-3D Breast Cancer Classification [22.031221319016353]
  デジタルマンモグラフィー(Digital Mammograms、DMまたは2Dマンモグラフィー)とデジタル乳房トモシンセシス(DBTまたは3Dマンモグラフィー)は、乳がんの診断・診断に使用される2種類のマンモグラフィー画像である。 乳がん分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T19:08:16Z)

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。