論文の概要: Edge AI-Based Vein Detector for Efficient Venipuncture in the
Antecubital Fossa
- arxiv url: http://arxiv.org/abs/2310.18234v1
- Date: Fri, 27 Oct 2023 16:19:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-30 13:05:13.606621
- Title: Edge AI-Based Vein Detector for Efficient Venipuncture in the
Antecubital Fossa
- Title（参考訳）: 眼窩部における高効率心室細動に対するエッジAIを用いた静脈検出装置
- Authors: Edwin Salcedo, Patricia Pe\~naloza
- Abstract要約: 我々は1008名の被験者から収集した2,016個のラベル付き画像のNIRに基づく新しい前腕静脈セグメンテーションデータセットを導入した。
第2に,患者眼窩部の静脈を特定できるU-Netアーキテクチャを提案する。
第三に、提案したアーキテクチャの圧縮バージョンが、ベスポークでポータブルな静脈ファインダ装置内に展開された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Assessing the condition and visibility of veins is a crucial step before
obtaining intravenous access in the antecubital fossa, which is a common
procedure to draw blood or administer intravenous therapies (IV therapies).
Even though medical practitioners are highly skilled at intravenous
cannulation, they usually struggle to perform the procedure in patients with
low visible veins due to fluid retention, age, overweight, dark skin tone, or
diabetes. Recently, several investigations proposed combining Near Infrared
(NIR) imaging and deep learning (DL) techniques for forearm vein segmentation.
Although they have demonstrated compelling results, their use has been rather
limited owing to the portability and precision requirements to perform
venipuncture. In this paper, we aim to contribute to bridging this gap using
three strategies. First, we introduce a new NIR-based forearm vein segmentation
dataset of 2,016 labelled images collected from 1,008 subjects with low visible
veins. Second, we propose a modified U-Net architecture that locates veins
specifically in the antecubital fossa region of the examined patient. Finally,
a compressed version of the proposed architecture was deployed inside a
bespoke, portable vein finder device after testing four common embedded
microcomputers and four common quantization modalities. Experimental results
showed that the model compressed with Dynamic Range Quantization and deployed
on a Raspberry Pi 4B card produced the best execution time and precision
balance, with 5.14 FPS and 0.957 of latency and Intersection over Union (IoU),
respectively. These results show promising performance inside a
resource-restricted low-cost device.
- Abstract（参考訳）: 静脈の状態と可視性を評価することは、静脈窩への静脈内アクセスを得るための重要なステップであり、これは血液の採取や静脈内療法(IV療法)の一般的な手順である。
医療従事者は静脈内投与に熟練しているが、流体保持、年齢、体重過多、皮膚の色調、糖尿病などにより、視力の低い患者では治療に苦慮することが多い。
近年, 近赤外(NIR)イメージングと深部学習(DL)技術を組み合わせた前腕静脈セグメンテーションが提案されている。
彼らは説得力のある結果を示してきたが、その使用は移植性や精査を行うための精度の要求のため、かなり制限されている。
本稿では,このギャップを3つの戦略で橋渡しすることに貢献したい。
まず,1008名の被験者から収集した2,016個のラベル付き画像を用いたNIRを用いた前腕静脈セグメンテーションデータセットを提案する。
第2に, 検査患者の側頭窩領域に特異的な静脈を配置するu-netアーキテクチャの改良を提案する。
最後に,提案アーキテクチャの圧縮バージョンを,4つの共通組み込みマイクロコンピュータと4つの共通量子化モダリティを試験した後,ベーシックでポータブルな静脈ファインダ装置内に配置した。
実験の結果、このモデルがDynamic Range Quantizationで圧縮され、Raspberry Pi 4Bカードにデプロイされたことにより、それぞれ5.14 FPSと0.957のレイテンシとIoU(Intersection over Union)で実行時間と精度のバランスが得られた。
これらの結果は、リソース制限された低コストデバイス内で有望な性能を示す。
関連論文リスト
- Medical needle tip tracking based on Optical Imaging and AI [0.0]
本論文は針先リアルタイム追跡のための革新的な技術であり,針挿入指導の強化を目的としている。
具体的には,光ファイバー付針を用いた散乱画像の作成を中心に展開し,CNNに基づくアルゴリズムを用いて針先端の位置と向きをリアルタイムで推定する手法を提案する。
平均大腿動脈半径が4mmから5mmと推定され,大腿動脈挿入術における針ガイドの精度が高い可能性が示唆された。
論文 参考訳（メタデータ） (2023-08-28T10:30:08Z) - Residual Feature Pyramid Network for Enhancement of Vascular Patterns [0.0]
本稿では,認識パイプラインに対する汎用的な前処理手法として,指紋強調技術であるResFPNを提案する。
新規な構造検出ブロック(SDBlock)を用いたボトムアップピラミッドアーキテクチャは,様々な幅の静脈の抽出を容易にする。
提案手法を改良することにより,一般的な認識パイプラインにおける平均認識誤差の最大5%まで低減できることを示す。
論文 参考訳（メタデータ） (2023-06-29T09:14:42Z) - 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) - Distance-based detection of out-of-distribution silent failures for
Covid-19 lung lesion segmentation [0.8200989595956418]
ディープラーニングモデルは、アウト・オブ・ディストリビューションデータにサイレントに失敗するため、臨床ルーチンに信頼されていない。
特徴空間におけるマハラノビス距離を利用する軽量なOOD検出法を提案する。
胸部CT像の分布変化とMRIの2つの応用について検討した。
論文 参考訳（メタデータ） (2022-08-05T15:05:23Z) - Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。
本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-26T21:21:12Z) - Robust Landmark-based Stent Tracking in X-ray Fluoroscopy [10.917460255497227]
単一ステントトラッキングのためのエンドツーエンドのディープラーニングフレームワークを提案する。
U-Netベースのランドマーク検出、ResNetベースのステント提案、機能抽出の3つの階層モジュールで構成されている。
実験により,本手法は最先端のポイントベース追跡モデルと比較して,検出精度が有意に向上していることが示された。
論文 参考訳（メタデータ） (2022-07-20T14:20:03Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - RAVIR: A Dataset and Methodology for the Semantic Segmentation and
Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance
Imaging [7.316426736150123]
Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。
本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。
本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2022-03-28T17:30:29Z) - 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) - A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions
Artefacts in MRI Scans [63.28835187934139]
本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。
提案法は患者の多動運動によって生成された人工物に応用できる。
論文 参考訳（メタデータ） (2020-06-24T15:25:11Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。