論文の概要: US \& MRI Image Fusion Based on Markerless Skin Registration
- arxiv url: http://arxiv.org/abs/2307.14288v3
- Date: Mon, 15 Jan 2024 16:35:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 11:58:53.587310
- Title: US \& MRI Image Fusion Based on Markerless Skin Registration
- Title(参考訳): マーカーレス皮膚登録に基づくUS \&MRI画像融合
- Authors: Martina Paccini, Giacomo Paschina, Stefano De Beni, Giuseppe Patan\`e
- Abstract要約: 本稿では,3次元CT/MR画像とリアルタイム超音波(US)取得を併用した,革新的な自動核融合イメージングシステムを提案する。
このシステムは、外部の物理的マーカーや複雑な訓練の必要性を排除し、異なる経験レベルを持つ医師に画像融合を可能にする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an innovative automatic fusion imaging system that
combines 3D CT/MR images with real-time ultrasound (US) acquisition. The system
eliminates the need for external physical markers and complex training, making
image fusion feasible for physicians with different experience levels. The
integrated system involves a portable 3D camera for patient-specific surface
acquisition, an electromagnetic tracking system, and US components. The fusion
algorithm comprises two main parts: skin segmentation and rigid
co-registration, both integrated into the US machine. The co-registration
software aligns the surface extracted from CT/MR images with patient-specific
coordinates, facilitating rapid and effective fusion. Experimental testing in
different settings, including the clinical environment, validates the system's
accuracy, computational efficiency, noise robustness, and operator
independence. The co-registration error remains under the acceptable range
of~$1$ cm.
- Abstract(参考訳): 本稿では,3次元CT/MR画像とリアルタイム超音波(US)取得を組み合わせた,革新的な自動核融合イメージングシステムを提案する。
このシステムは、外部の物理的マーカーや複雑なトレーニングの必要性をなくし、異なる経験レベルを持つ医師に画像融合を可能にする。
統合システムには、患者固有の表面取得のためのポータブル3Dカメラ、電磁トラッキングシステム、米国コンポーネントが含まれる。
融合アルゴリズムは、皮膚のセグメンテーションと硬直的共存という2つの主要な部分から構成される。
共同登録ソフトウェアは、CT/MR画像から抽出した表面を患者固有の座標と整合させ、迅速かつ効果的な融合を促進する。
臨床環境を含む様々な環境での実験テストは、システムの正確性、計算効率、雑音のロバスト性、オペレータの独立性を検証する。
共同登録誤差は、許容範囲=1$cm以下である。
関連論文リスト
- 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) - BrainVoxGen: Deep learning framework for synthesis of Ultrasound to MRI [3.1998815025767033]
本研究では,脳の3次元超音波画像から3次元MRIボリュームを合成することを目的としたディープラーニングフレームワークを提案する。
このプロセスでは、超音波の3DボリュームをUNETジェネレータとパッチ識別器に入力し、対応するMRIの3Dボリュームを生成する。
論文 参考訳(メタデータ) (2023-10-11T20:37:59Z) - Three-Dimensional Medical Image Fusion with Deformable Cross-Attention [10.26573411162757]
マルチモーダル医療画像融合は、医療画像処理のいくつかの領域において重要な役割を担っている。
従来の融合法は、特徴を組み合わせて融合像を再構成する前に、それぞれのモダリティを独立して処理する傾向にある。
本研究では,これらの制限を是正するために設計された,革新的な教師なしの相互学習融合ネットワークを提案する。
論文 参考訳(メタデータ) (2023-10-10T04:10:56Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose
Estimation of Surgical Instruments [66.74633676595889]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳(メタデータ) (2023-05-05T13:42:19Z) - MyI-Net: Fully Automatic Detection and Quantification of Myocardial
Infarction from Cardiovascular MRI Images [9.709445432765039]
心臓発作 (Heart attack) または心筋梗塞(MI)は、心臓に血液を供給する動脈が突然閉塞されたときに起こる。
MIの定量化のための完全に自動化された「金の標準」は存在しない。
MyI-NetはMRI画像中のMIの検出と定量化のためのエンドツーエンドの完全自動システムである。
論文 参考訳(メタデータ) (2022-12-28T06:34:38Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T09:43:19Z) - Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of
Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。
この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。
いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文 参考訳(メタデータ) (2022-08-10T15:39:20Z) - 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) - Deep learning facilitates fully automated brain image registration of
optoacoustic tomography and magnetic resonance imaging [6.9975936496083495]
マルチスペクトル光音響トモグラフィ(Multi-spectral optoacoustic tomography、MSOT)は、歯状脳からの多重分子および機能情報を提供する新しい光学イメージング法である。
磁気共鳴イメージング(MRI)により、優れたソフト・コントラストと高分解能脳解剖学を提供することができる。
マルチモーダル画像の登録は、主にこれらのモダリティによって描画される全く異なる画像コントラストのために、依然として困難である。
本稿では,深層学習によるMSOT-MRIマルチモーダル画像の完全自動登録手法を提案する。
論文 参考訳(メタデータ) (2021-09-04T14:50:44Z) - Three-dimensional multimodal medical imaging system based on free-hand
ultrasound and structured light [0.0]
本稿では,自由手超音波と構造光3D再構成を組み合わせた3次元マルチモーダル医用イメージングシステムを提案する。
システムは、内部の3D情報を超音波で補い、外部の表面は構造光技術で測定する。
論文 参考訳(メタデータ) (2021-05-29T18:50:00Z)
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。