論文の概要: Identifying Visible Tissue in Intraoperative Ultrasound Images during
Brain Surgery: A Method and Application
- arxiv url: http://arxiv.org/abs/2306.01190v1
- Date: Thu, 1 Jun 2023 23:06:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 17:21:36.520477
- Title: Identifying Visible Tissue in Intraoperative Ultrasound Images during
Brain Surgery: A Method and Application
- Title(参考訳): 脳外科手術における術中超音波像の可視組織同定法とその応用
- Authors: Alistair Weld, Luke Dixon, Giulio Anichini, Michael Dyck, Alex Ranne,
Sophie Camp, Stamatia Giannarou
- Abstract要約: 術中超音波検査は, 必要なビゾタクタクタブル・タスクである。
オペレーターは超音波の視点を同時にローカライズし、プローブのポーズを手動で調整する必要がある。
超音波プローブと組織接触の解析を可能にする可視組織同定法を提案する。
- 参考スコア(独自算出の注目度): 1.4408275800058263
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intraoperative ultrasound scanning is a demanding visuotactile task. It
requires operators to simultaneously localise the ultrasound perspective and
manually perform slight adjustments to the pose of the probe, making sure not
to apply excessive force or breaking contact with the tissue, whilst also
characterising the visible tissue. In this paper, we propose a method for the
identification of the visible tissue, which enables the analysis of ultrasound
probe and tissue contact via the detection of acoustic shadow and construction
of confidence maps of the perceptual salience. Detailed validation with both in
vivo and phantom data is performed. First, we show that our technique is
capable of achieving state of the art acoustic shadow scan line classification
- with an average binary classification accuracy on unseen data of 0.87.
Second, we show that our framework for constructing confidence maps is able to
produce an ideal response to a probe's pose that is being oriented in and out
of optimality - achieving an average RMSE across five scans of 0.174. The
performance evaluation justifies the potential clinical value of the method
which can be used both to assist clinical training and optimise robot-assisted
ultrasound tissue scanning.
- Abstract(参考訳): 術中超音波検査は精査を要する作業である。
オペレーターは超音波の視点を同時に配置し、プローブの姿勢を手作業で調整し、過度の力を加えるか、組織に接触しないようにし、可視的な組織を特徴付ける必要がある。
本稿では,超音波プローブと組織接触を音響シャドウの検出と知覚的サリエンスの信頼度マップの構築を通じて解析できる可視的組織同定法を提案する。
in vivoおよびphantomデータによる詳細な検証を行う。
まず, 未知の0.87データに対して, 平均2値分類精度で, 最先端の音響陰影線分類を実現できることを示す。
第2に、信頼度マップを構築するためのフレームワークは、最適性内外に向けたプローブの姿勢に対する理想的な応答を生成できることを示し、0.174の5つのスキャンで平均rmseを達成する。
臨床訓練支援とロボット支援超音波組織スキャンの最適化の両方に使用できる方法の潜在的な臨床価値を正当化する。
関連論文リスト
- 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) - LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。
既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。
本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
論文 参考訳(メタデータ) (2023-07-29T16:29:39Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳(メタデータ) (2023-04-26T14:11:04Z) - Adnexal Mass Segmentation with Ultrasound Data Synthesis [3.614586930645965]
教師付き学習を用いて, 副眼窩腫瘤の分節が可能であることを実証した。
そこで我々は, 新たな病理特異的データ合成装置を応用し, その基礎的真理セグメンテーションを生かした医用画像を作成する。
提案手法は,nU-Netベースラインアプローチと比較して最大8%向上するなど,すべてのクラスで最高のパフォーマンスを実現している。
論文 参考訳(メタデータ) (2022-09-25T19:24:02Z) - 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) - A CNN Segmentation-Based Approach to Object Detection and Tracking in
Ultrasound Scans with Application to the Vagus Nerve Detection [17.80391011147757]
超音波スキャンにおける特定の解剖学的対象構造を自動的に検出・追跡するディープラーニングフレームワークを提案する。
私たちのフレームワークは、被写体や撮像装置間で正確で堅牢で、リアルタイムに動作し、大規模なトレーニングセットを必要としないように設計されています。
このフレームワークを2つの異なる超音波データセット上でテストし、Vagus神経を検出し、追跡することを目的として、現在最先端のリアルタイム物体検出ネットワークよりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-06-25T19:12:46Z) - 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) - 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) - Autonomous Tissue Scanning under Free-Form Motion for Intraoperative
Tissue Characterisation [3.5579740292581006]
微小侵襲手術 (MIS) では, イメージングプローブを用いた組織スキャンが表面の可視化に必要である。
自由形態の組織変形に対処できる自律型組織スキャンのためのビジュアルサーボフレームワークを提案する。
超音波組織スキャンのためのda Vinci Research Kit (dVRK) を用いて, この枠組みをダヴィンチ手術ロボットに展開した。
論文 参考訳(メタデータ) (2020-05-11T12:50:13Z)
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。