論文の概要: Automatic 3D Multi-modal Ultrasound Segmentation of Human Placenta using
Fusion Strategies and Deep Learning
- arxiv url: http://arxiv.org/abs/2401.09638v1
- Date: Wed, 17 Jan 2024 23:17:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 18:22:09.929842
- Title: Automatic 3D Multi-modal Ultrasound Segmentation of Human Placenta using
Fusion Strategies and Deep Learning
- Title（参考訳）: 融合戦略と深層学習を用いた人工胎盤の自動3次元マルチモーダル超音波分割
- Authors: Sonit Singh, Gordon Stevenson, Brendan Mein, Alec Welsh and Arcot
Sowmya
- Abstract要約: ヒト胎盤の自動3次元マルチモーダル(Bモードとパワードップラー)超音波セグメンテーションを提案する。
我々は,Bモードとパワードプラ法を併用したデータを収集し,400件の検査を行った。
その結果,Bモードとパワードップラースキャンによるマルチモーダル情報は,単一のモダリティよりも優れていた。
- 参考スコア（独自算出の注目度）: 11.137087573421258
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Purpose: Ultrasound is the most commonly used medical imaging modality for
diagnosis and screening in clinical practice. Due to its safety profile,
noninvasive nature and portability, ultrasound is the primary imaging modality
for fetal assessment in pregnancy. Current ultrasound processing methods are
either manual or semi-automatic and are therefore laborious, time-consuming and
prone to errors, and automation would go a long way in addressing these
challenges. Automated identification of placental changes at earlier gestation
could facilitate potential therapies for conditions such as fetal growth
restriction and pre-eclampsia that are currently detected only at late
gestational age, potentially preventing perinatal morbidity and mortality.
Methods: We propose an automatic three-dimensional multi-modal (B-mode and
power Doppler) ultrasound segmentation of the human placenta using deep
learning combined with different fusion strategies.We collected data containing
Bmode and power Doppler ultrasound scans for 400 studies.
Results: We evaluated different fusion strategies and state-of-the-art image
segmentation networks for placenta segmentation based on standard overlap- and
boundary-based metrics. We found that multimodal information in the form of
B-mode and power Doppler scans outperform any single modality. Furthermore, we
found that B-mode and power Doppler input scans fused at the data level provide
the best results with a mean Dice Similarity Coefficient (DSC) of 0.849.
Conclusion: We conclude that the multi-modal approach of combining B-mode and
power Doppler scans is effective in segmenting the placenta from 3D ultrasound
scans in a fully automated manner and is robust to quality variation of the
datasets.
- Abstract（参考訳）: 目的: 超音波は臨床における診断とスクリーニングに最も一般的に用いられる医用イメージングモードである。
安全性, 非侵襲性, 移植性から, 超音波は妊娠中の胎児評価における第一の画像モダリティである。
現在の超音波処理は手作業かセミオートマチックで、手間がかかり、エラーが発生しやすいため、自動化はこれらの課題に対処する上で長い道のりを歩むことになる。
妊娠初期の胎盤変化の自動同定は、妊娠後期にのみ検出されている胎児の成長制限や妊娠前治療のような条件に対する潜在的治療を促進し、周産期死亡や死亡を防ぐ可能性がある。
方法: 深層学習と融合戦略の併用により, ヒト胎盤の3次元マルチモーダル超音波(bモード, パワードプラ)の自動分割法を提案する。
結果: 標準オーバーラップ・バウンダリベースメトリクスに基づくプラセンタセグメンテーションにおいて, 異なる融合戦略と最先端画像セグメンテーションネットワークを評価した。
その結果,Bモードとパワードップラースキャンによるマルチモーダル情報は,単一のモダリティよりも優れていた。
さらに,データレベルでbモードとパワードップラー入力が融合することにより,平均ディス類似度係数(dsc)0.849の最適結果が得られることがわかった。
結論:bモードとパワードップラースキャンを組み合わせるマルチモーダルアプローチは,プラセンタを3次元超音波スキャンから完全に自動的に分割する上で有効であり,データセットの品質変動に頑健である。
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) - FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans
Using Deep Self-supervised Learning [1.0819408603463427]
毎年1億4000万人以上の胎児が生まれ、多くのスキャンが行われる。
大量の胎児超音波スキャンが利用可能であることは、堅牢な機械学習モデルをトレーニングする機会を提供する。
本研究では,超音波画像の自動クラスタリングのための教師なしアプローチを提案する。
論文 参考訳（メタデータ） (2023-10-19T09:11:23Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - MUVF-YOLOX: A Multi-modal Ultrasound Video Fusion Network for Renal
Tumor Diagnosis [10.452919030855796]
腎腫瘍診断のためのマルチモーダル機能融合とビデオ分類を効果的に行うことのできる,新しいマルチモーダル超音波ビデオ融合ネットワークを提案する。
マルチセンタデータセットによる実験結果から,提案手法は単一モードモデルと競合する手法よりも優れていた。
論文 参考訳（メタデータ） (2023-07-15T14:15:42Z) - Towards Realistic Ultrasound Fetal Brain Imaging Synthesis [0.7315240103690552]
臨床データ不足、患者のプライバシ、一般的には異常の稀な発生、データ収集と検証の専門家の限られたため、一般の超音波胎児画像データセットはほとんどない。
このようなデータ不足に対処するため、私たちは1つのパブリックデータセットから胎児の超音波脳面の画像を生成するために、GAN(Generative Adversarial Network)ベースのモデル、拡散超解像-GANとトランスフォーマーベース-GANを提案した。
論文 参考訳（メタデータ） (2023-04-08T07:07:20Z) - 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) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - 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) - Multi-Modal Active Learning for Automatic Liver Fibrosis Diagnosis based
on Ultrasound Shear Wave Elastography [13.13249599000645]
超音波診断などの非侵襲的診断は肝線維症自動診断(ALFD)において極めて重要である
ノイズの多いデータ、アメリカの画像の高価なアノテーションのため、AI(Artificial Intelligence)アプローチの応用はボトルネックに直面する。
本研究では, ALFD のための多モード融合ネットワーク (MMFN-AL) を革新的に提案する。
論文 参考訳（メタデータ） (2020-11-02T03:05:24Z) - 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。