論文の概要: Long-term Dependency for 3D Reconstruction of Freehand Ultrasound Without External Tracker

• arxiv url: http://arxiv.org/abs/2310.10248v1
• Date: Mon, 16 Oct 2023 10:18:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 15:19:28.324776
• Title: Long-term Dependency for 3D Reconstruction of Freehand Ultrasound Without External Tracker
• Title（参考訳）: 外部トラッカを伴わない自由手超音波3次元再構成の長期的依存性
• Authors: Qi Li, Ziyi Shen, Qian Li, Dean C. Barratt, Thomas Dowrick, Matthew J. Clarkson, Tom Vercauteren, and Yipeng Hu
• Abstract要約: 外部トラッカーを使わずに3Dでフリーハンド超音波を再構成することは,長年にわたり超音波治療の課題となっている。 我々は、長期依存をパラメータ化するための新しい方法を定義し、性能を評価することを目的とする。
• 参考スコア（独自算出の注目度）: 17.593802922448017
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: Reconstructing freehand ultrasound in 3D without any external tracker has been a long-standing challenge in ultrasound-assisted procedures. We aim to define new ways of parameterising long-term dependencies, and evaluate the performance. Methods: First, long-term dependency is encoded by transformation positions within a frame sequence. This is achieved by combining a sequence model with a multi-transformation prediction. Second, two dependency factors are proposed, anatomical image content and scanning protocol, for contributing towards accurate reconstruction. Each factor is quantified experimentally by reducing respective training variances. Results: 1) The added long-term dependency up to 400 frames at 20 frames per second (fps) indeed improved reconstruction, with an up to 82.4% lowered accumulated error, compared with the baseline performance. The improvement was found to be dependent on sequence length, transformation interval and scanning protocol and, unexpectedly, not on the use of recurrent networks with long-short term modules; 2) Decreasing either anatomical or protocol variance in training led to poorer reconstruction accuracy. Interestingly, greater performance was gained from representative protocol patterns, than from representative anatomical features. Conclusion: The proposed algorithm uses hyperparameter tuning to effectively utilise long-term dependency. The proposed dependency factors are of practical significance in collecting diverse training data, regulating scanning protocols and developing efficient networks. Significance: The proposed new methodology with publicly available volunteer data and code for parametersing the long-term dependency, experimentally shown to be valid sources of performance improvement, which could potentially lead to better model development and practical optimisation of the reconstruction application.
• Abstract（参考訳）: 目的: 外部トラッカーを使わずに3Dで手指超音波を再建することは, 長年の課題である。 我々は、長期依存をパラメータ化するための新しい方法を定義し、性能を評価することを目的とする。 メソッド: まず、長期的な依存関係はフレームシーケンス内の変換位置によってエンコードされる。 これはシーケンスモデルとマルチトランスフォーメーション予測を組み合わせることによって達成される。 第2に、正確な再構成に寄与する2つの依存性因子、解剖学的画像内容と走査プロトコルを提案する。 各因子は、各トレーニング分散を減らして実験的に定量化される。 結果 1) 最大400フレーム/秒 (fps) の長期依存を追加することで, 再現性が向上し, ベースライン性能と比較して82.4%の累積誤差が減少した。 この改善は、シーケンス長、変換間隔、走査プロトコルに依存しており、予期せぬことに、長期間のモジュールを持つリカレントネットワークの使用に依存しないことが判明した。 2) 訓練における解剖学的・プロトコル的差異の低減は, 再建精度の低下につながった。 興味深いことに、一般的な解剖学的特徴よりも、代表的なプロトコルパターンからパフォーマンスが向上した。 結論: 提案アルゴリズムは, 長期依存を効果的に活用するためにハイパーパラメータチューニングを用いる。 提案する依存性因子は,多様なトレーニングデータの収集,スキャニングプロトコルの調整,効率的なネットワーク構築において実用上重要である。 意義: 提案手法は, 長期依存をパラメータとして公開可能なボランティアデータとコードを持つもので, 性能向上の有効な源として実験的に示されており, モデル開発やレコンストラクションアプリケーションの実用的な最適化に繋がる可能性がある。

関連論文リスト

• Privileged Anatomical and Protocol Discrimination in Trackerless 3D Ultrasound Reconstruction [18.351571641356195]
  追加の外部追跡装置を使わずに3次元3次元自由手超音波(US)再構成は、ディープニューラルネットワーク(DNN)で最近進歩している。 筆者らはまず,DNNをベースとした再構成を可能にする学習フレーム間相関の要因として,解剖学とプロトコルの2つについて検討した。 そこで本稿では,既存のDNN手法を改良するための特権情報として,これらの2つの要因を表現できることを提案する。
  論文  参考訳（メタデータ） (2023-08-20T15:30:20Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• Gated Recurrent Neural Networks with Weighted Time-Delay Feedback [59.125047512495456]
  重み付き時間遅延フィードバック機構を備えた新しいゲートリカレントユニット(GRU)を導入する。 我々は、$tau$-GRUが、最先端のリカレントユニットやゲート型リカレントアーキテクチャよりも早く収束し、より一般化できることを示します。
  論文  参考訳（メタデータ） (2022-12-01T02:26:34Z)
• Correlation recurrent units: A novel neural architecture for improving the predictive performance of time-series data [4.2443814047515716]
  我々は,ニューラルネットワーク内で時系列分解を行うことができる相関再帰ユニット(CRU)と呼ばれる新しいニューラルアーキテクチャを提案する。 その結果,長期・短期予測性能は10%以上向上した。
  論文  参考訳（メタデータ） (2022-11-30T00:47:03Z)
• Causal Transformer for Estimating Counterfactual Outcomes [18.640006398066188]
  多くのアプリケーションでは、観測データから時間とともに反現実的な結果を予測することが重要となる。 我々は、時間とともに反現実的な結果を予測するための新しい因果変換器を開発した。 私たちのモデルは、時間によって異なる共同設立者間の複雑な長距離依存関係をキャプチャするために特別に設計されています。
  論文  参考訳（メタデータ） (2022-04-14T22:40:09Z)
• Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
  本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。 学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。 提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
  論文  参考訳（メタデータ） (2021-11-11T23:31:34Z)
• Robust partial Fourier reconstruction for diffusion-weighted imaging using a recurrent convolutional neural network [5.3580471186206005]
  繰り返し畳み込みによって実装されたデータ一貫性演算と正規化を交互に行うニューラルネットワークアーキテクチャが導出される。 重み付きネットワークや近位ネットワークのカスケードよりも、再帰的なネットワークによるアンローリングの方がよい結果が得られることを示すことができる。
  論文  参考訳（メタデータ） (2021-05-19T20:00:04Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)
• Adaptive Gradient Method with Resilience and Momentum [120.83046824742455]
  レジリエンスとモメンタム(AdaRem)を用いた適応勾配法を提案する。 AdaRemは、過去の1つのパラメータの変化方向が現在の勾配の方向と一致しているかどうかに応じてパラメータワイズ学習率を調整する。 本手法は,学習速度とテスト誤差の観点から,従来の適応学習率に基づくアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-10-21T14:49:00Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)

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。