論文の概要: Whole-examination AI estimation of fetal biometrics from 20-week ultrasound scans

• arxiv url: http://arxiv.org/abs/2401.01201v1
• Date: Tue, 2 Jan 2024 13:04:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 13:46:38.753152
• Title: Whole-examination AI estimation of fetal biometrics from 20-week ultrasound scans
• Title（参考訳）: 20週間超音波スキャンによる胎児バイオメトリックスの全検査AI推定
• Authors: Lorenzo Venturini, Samuel Budd, Alfonso Farruggia, Robert Wright, Jacqueline Matthew, Thomas G. Day, Bernhard Kainz, Reza Razavi, Jo V. Hajnal
• Abstract要約: 生体計測における人間レベルの性能を実現するパラダイムシフトを導入する。 我々は畳み込みニューラルネットワークを用いて、超音波ビデオ記録の各フレームを分類する。 適切な解剖が観察できるフレーム毎に胎児の生体計測を計測する。
• 参考スコア（独自算出の注目度）: 6.1751261266833986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The current approach to fetal anomaly screening is based on biometric measurements derived from individually selected ultrasound images. In this paper, we introduce a paradigm shift that attains human-level performance in biometric measurement by aggregating automatically extracted biometrics from every frame across an entire scan, with no need for operator intervention. We use a convolutional neural network to classify each frame of an ultrasound video recording. We then measure fetal biometrics in every frame where appropriate anatomy is visible. We use a Bayesian method to estimate the true value of each biometric from a large number of measurements and probabilistically reject outliers. We performed a retrospective experiment on 1457 recordings (comprising 48 million frames) of 20-week ultrasound scans, estimated fetal biometrics in those scans and compared our estimates to the measurements sonographers took during the scan. Our method achieves human-level performance in estimating fetal biometrics and estimates well-calibrated credible intervals in which the true biometric value is expected to lie.
• Abstract（参考訳）: 現在の胎児異常スクリーニングのアプローチは、個別に選択された超音波画像から得られた生体計測値に基づいている。 本稿では,各フレームから自動抽出されたバイオメトリックスをスキャン全体にわたって集約することにより,人間の生体計測性能を向上するパラダイムシフトを提案する。 我々は畳み込みニューラルネットワークを用いて、超音波ビデオ記録の各フレームを分類する。 次に、適切な解剖が確認できるフレーム毎に胎児の生体計測を計測する。 ベイズ法を用いて, 多数の測定値から各バイオメトリックの真価を推定し, 確率的に外れ値を拒絶する。 我々は20週間の超音波検査で1457枚の記録(4800万フレーム)を振り返り, 胎児のバイオメトリックスを計測し, 超音波検査で得られた計測値と比較した。 本手法は胎児の生体計測における人体レベルの性能を推定し,真生体計測値の真偽が期待される信頼区間を推定する。

関連論文リスト

• Multi-Task Learning Approach for Unified Biometric Estimation from Fetal Ultrasound Anomaly Scans [0.8213829427624407]
  本稿では,頭部,腹部,大腿骨に領域を分類するマルチタスク学習手法を提案する。 頭部周囲の平均絶対誤差は1.08mm,腹部周囲は1.44mm,大腿骨骨長は1.10mm,分類精度は99.91%であった。
  論文  参考訳（メタデータ） (2023-11-16T06:35:02Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• Facial Soft Biometrics for Recognition in the Wild: Recent Works, Annotation, and COTS Evaluation [63.05890836038913]
  制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。 1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。 深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
  論文  参考訳（メタデータ） (2022-10-24T11:29:57Z)
• BiometryNet: Landmark-based Fetal Biometry Estimation from Standard Ultrasound Planes [9.919499846996269]
  本稿では,胎児バイオメトリ推定のためのエンド・ツー・エンドのランドマーク回帰フレームワークであるBiometryNetについて述べる。 これには、ネットワークトレーニング中に測定固有の配向一貫性を強制する新しい動的配向決定(DOD)方法が含まれている。 本手法の有効性を検証するため, 臨床3施設で取得した1,829名の超音波画像3,398枚を, 異なる7種類の超音波装置を用いて収集した。
  論文  参考訳（メタデータ） (2022-06-29T14:32:32Z)
• Deep Learning Fetal Ultrasound Video Model Match Human Observers in Biometric Measurements [8.468600443532413]
  本研究では、胎児の身体部分の自動計測に深層畳み込みニューラルネットワーク(CNN)を用いる方法について検討する。 測定値の差は, サーバ間およびサーバ内変動の範囲内であった。 FUVAIは, 胎児の生体計測を臨床現場で行うソノグラフィーを支援する可能性を秘めている。
  論文  参考訳（メタデータ） (2022-05-27T09:00:19Z)
• FetalNet: Multi-task deep learning framework for fetal ultrasound biometric measurements [11.364211664829567]
  本稿では,FetalNetと呼ばれるマルチタスク・ニューラルネットワークについて,胎児超音波スキャン画像解析のためのアテンション機構とスタックモジュールを提案する。 胎児超音波画像解析の主な目的は、胎児の頭部、腹部、大腿骨を測定するための適切な基準面を見つけることである。 FetalNetという手法は,胎児超音波ビデオ記録における分類とセグメント化の両面で,既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2021-07-14T19:13:33Z)
• AutoFB: Automating Fetal Biometry Estimation from Standard Ultrasound Planes [10.745788530692305]
  提案したフレームワークは、最先端のセグメンテーションモデルを用いて、重要な胎児解剖を意味的にセグメンテーションする。 その結果, セグメンテーション性能のよいネットワークは, バイオメトリ推定においてより正確であることが示唆された。
  論文  参考訳（メタデータ） (2021-07-12T08:42:31Z)
• 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)
• 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)
• 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)

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。