論文の概要: FetusMapV2: Enhanced Fetal Pose Estimation in 3D Ultrasound
- arxiv url: http://arxiv.org/abs/2310.19293v1
- Date: Mon, 30 Oct 2023 06:18:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 21:38:05.214135
- Title: FetusMapV2: Enhanced Fetal Pose Estimation in 3D Ultrasound
- Title（参考訳）: FetusMapV2:3次元超音波による胎児電位推定の強化
- Authors: Chaoyu Chen, Xin Yang, Yuhao Huang, Wenlong Shi, Yan Cao, Mingyuan
Luo, Xindi Hu, Lei Zhue, Lequan Yu, Kejuan Yue, Yuanji Zhang, Yi Xiong, Dong
Ni, Weijun Huang
- Abstract要約: 以上の課題を克服するために,新しい3次元ポーズ推定フレームワーク(FetusMapV2)を提案する。
まず,ネットワーク構造に制約がなく,アクティベーションに制約のないGPUメモリ管理手法を提案する。
第2に、対称構造と類似の解剖構造による混乱を軽減するために、新しいペアロスを設計する。
第3に、比較的安定したランドマークを選択して、オンラインのポーズを洗練させることにより、自己指導型形状事前学習を提案する。
- 参考スコア（独自算出の注目度）: 28.408626329596668
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fetal pose estimation in 3D ultrasound (US) involves identifying a set of
associated fetal anatomical landmarks. Its primary objective is to provide
comprehensive information about the fetus through landmark connections, thus
benefiting various critical applications, such as biometric measurements, plane
localization, and fetal movement monitoring. However, accurately estimating the
3D fetal pose in US volume has several challenges, including poor image
quality, limited GPU memory for tackling high dimensional data, symmetrical or
ambiguous anatomical structures, and considerable variations in fetal poses. In
this study, we propose a novel 3D fetal pose estimation framework (called
FetusMapV2) to overcome the above challenges. Our contribution is three-fold.
First, we propose a heuristic scheme that explores the complementary network
structure-unconstrained and activation-unreserved GPU memory management
approaches, which can enlarge the input image resolution for better results
under limited GPU memory. Second, we design a novel Pair Loss to mitigate
confusion caused by symmetrical and similar anatomical structures. It separates
the hidden classification task from the landmark localization task and thus
progressively eases model learning. Last, we propose a shape priors-based
self-supervised learning by selecting the relatively stable landmarks to refine
the pose online. Extensive experiments and diverse applications on a
large-scale fetal US dataset including 1000 volumes with 22 landmarks per
volume demonstrate that our method outperforms other strong competitors.
- Abstract（参考訳）: 3次元超音波(us)における胎児のポーズ推定は、関連する胎児解剖学的ランドマークのセットを同定することを含む。
その主な目的は、胎児に関する包括的情報をランドマーク接続を通して提供し、生体計測、平面の局在化、胎児の動き監視といった様々な重要な応用に役立てることである。
しかし、3Dの胎児のポーズを正確に推定するには、画像品質の低下、高次元データを扱うための限られたGPUメモリ、対称的または曖昧な解剖学的構造、胎児のポーズのかなりのバリエーションなど、いくつかの課題がある。
本研究では,上記の課題を克服するための新しい3次元胎児ポーズ推定フレームワーク(fetusmapv2)を提案する。
私たちの貢献は3倍です。
まず,gpuメモリが制限された場合,入力画像の解像度を向上し,より良好な結果が得られるような,相補的なネットワーク構造とアクティベーションのないgpuメモリ管理手法を検討するヒューリスティックスキームを提案する。
第2に、対称構造と類似の解剖構造による混乱を軽減するために、新しいペアロスを設計する。
隠れた分類タスクをランドマークのローカライゼーションタスクから切り離し、モデル学習を徐々に簡単にする。
最後に, 比較的安定したランドマークを選択し, 自己教師付き学習方式を提案する。
大規模胎児usデータセットにおける広範囲な実験と多種多様な応用により,1巻あたり22のランドマークを含む1000のボリュームが,他の強力な競合相手よりも優れていることが証明された。
関連論文リスト
- Geometric Transformation Uncertainty for Improving 3D Fetal Brain Pose Prediction from Freehand 2D Ultrasound Videos [0.8579241568505183]
2次元胎児脳画像における3次元面の自動位置決めのための不確実性を考慮した深層学習モデルを提案する。
提案手法であるQAERTSは、現状や不確実性に基づくアプローチよりも優れたポーズ推定精度を示す。
論文 参考訳（メタデータ） (2024-05-21T22:42:08Z) - Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates
in the Fetal Brain [9.465965149145559]
我々は,センサを付加することなく,3次元可視化,トレーニング,ガイダンスのための米国の航空機ローカライゼーションシステムを構築することを目指している。
この研究は、胎児の脳をスライスする米国飛行機の6次元(6次元)のポーズを予測する、これまでの研究に基づいています。
トレーニングおよびテストデータにおける登録品質の影響とその後のトレーニングモデルへの影響について検討する。
論文 参考訳（メタデータ） (2023-01-19T21:16:36Z) - Learning 3D Human Pose Estimation from Dozens of Datasets using a
Geometry-Aware Autoencoder to Bridge Between Skeleton Formats [80.12253291709673]
本稿では,アフィン結合型オートエンコーダ(ACAE)法を提案する。
このアプローチは、28人の人間のポーズデータセットを使って1つのモデルを監督する、極端なマルチデータセット体制にスケールします。
論文 参考訳（メタデータ） (2022-12-29T22:22:49Z) - Agent with Tangent-based Formulation and Anatomical Perception for
Standard Plane Localization in 3D Ultrasound [56.7645826576439]
3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。
まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。
第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
論文 参考訳（メタデータ） (2022-07-01T14:53:27Z) - Uncertainty-Aware Adaptation for Self-Supervised 3D Human Pose
Estimation [70.32536356351706]
本稿では、2つの出力ヘッドを2つの異なる構成にサブスクライブする共通のディープネットワークバックボーンを構成するMPP-Netを紹介する。
ポーズと関節のレベルで予測の不確実性を定量化するための適切な尺度を導出する。
本稿では,提案手法の総合評価を行い,ベンチマークデータセット上での最先端性能を示す。
論文 参考訳（メタデータ） (2022-03-29T07:14:58Z) - Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound
Reconstruction [61.62191904755521]
3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。
既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。
複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
論文 参考訳（メタデータ） (2021-07-31T16:06:50Z) - Map3D: Registration Based Multi-Object Tracking on 3D Serial Whole Slide
Images [10.519063258650508]
本稿では,3Dオブジェクトの大規模断面の自動同定と関連付けを行う3D(Map3D)手法を提案する。
提案手法はMOTA=44.6であり,非ディープラーニングベンチマークよりも12.1%高い。
論文 参考訳（メタデータ） (2020-06-10T19:31:02Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z) - Region Proposal Network with Graph Prior and IoU-Balance Loss for
Landmark Detection in 3D Ultrasound [16.523977092204813]
3D超音波(US)は胎児の成長モニタリングのための詳細な出生前検査を容易にする。
3DUSボリュームを分析するためには、解剖学的ランドマークを正確に同定することが基本である。
我々は3次元顔USボリュームのランドマークを検出するためにオブジェクト検出フレームワークを利用する。
論文 参考訳（メタデータ） (2020-04-01T03:00:03Z) - FetusMap: Fetal Pose Estimation in 3D Ultrasound [42.59502360552173]
そこで本研究では, 胎児の3次元姿勢を推定し, その定量的解析を容易にすることを提案する。
これは文学における胎児の3次元ポーズ推定に関する最初の研究である。
本稿では、深層ネットワークを微調整し、視覚的に妥当なポーズ予測を形成するための自己教師付き学習(SSL)フレームワークを提案する。
論文 参考訳（メタデータ） (2019-10-11T01:45:09Z)
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。