論文の概要: Invisible Needle Detection in Ultrasound: Leveraging Mechanism-Induced Vibration
- arxiv url: http://arxiv.org/abs/2403.14523v1
- Date: Thu, 21 Mar 2024 16:23:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 13:29:56.811947
- Title: Invisible Needle Detection in Ultrasound: Leveraging Mechanism-Induced Vibration
- Title(参考訳): 超音波の目に見えない針検出:レバレッジ機構による振動
- Authors: Chenyang Li, Dianye Huang, Angelos Karlas, Nassir Navab, Zhongliang Jiang,
- Abstract要約: VibNetは、超音波画像における針検出の堅牢性を高めるために設計された学習ベースのフレームワークである。
Eulerian Video Magnification法にインスパイアされた我々は,針の低振幅周期運動を誘導するために外部ステップモータを利用する。
これらの振動を利用する針を堅牢かつ正確に検出するために、VibNetは学習ベースのShort-Time-ier-TransformとHough-Transformモジュールを統合する。
- 参考スコア(独自算出の注目度): 41.242444481240135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In clinical applications that involve ultrasound-guided intervention, the visibility of the needle can be severely impeded due to steep insertion and strong distractors such as speckle noise and anatomical occlusion. To address this challenge, we propose VibNet, a learning-based framework tailored to enhance the robustness and accuracy of needle detection in ultrasound images, even when the target becomes invisible to the naked eye. Inspired by Eulerian Video Magnification techniques, we utilize an external step motor to induce low-amplitude periodic motion on the needle. These subtle vibrations offer the potential to generate robust frequency features for detecting the motion patterns around the needle. To robustly and precisely detect the needle leveraging these vibrations, VibNet integrates learning-based Short-Time-Fourier-Transform and Hough-Transform modules to achieve successive sub-goals, including motion feature extraction in the spatiotemporal space, frequency feature aggregation, and needle detection in the Hough space. Based on the results obtained on distinct ex vivo porcine and bovine tissue samples, the proposed algorithm exhibits superior detection performance with efficient computation and generalization capability.
- Abstract(参考訳): 超音波ガイド下手術を含む臨床応用では、針の視認性は、急激な挿入とスペックルノイズや解剖学的閉塞などの強い障害が原因で深刻な障害となる可能性がある。
この課題に対処するために,超音波画像における針検出の堅牢性と精度を高めるための学習ベースフレームワークであるVibNetを提案する。
Eulerian Video Magnification法にインスパイアされた我々は,針の低振幅周期運動を誘導するために外部ステップモータを利用する。
これらの微妙な振動は、針の周りの動きパターンを検出するための頑丈な周波数特性を発生させる可能性がある。
これらの振動を利用する針を堅牢かつ正確に検出するために、VibNetは学習ベースのショート時間フーリエ変換モジュールとハフ変換モジュールを統合し、時空間における運動特徴抽出、周波数特徴集約、ハフ空間における針検出を含む連続的なサブゴールを達成する。
異なる生体外ブタおよびウシの組織試料から得られた結果に基づいて,本アルゴリズムは効率的な計算と一般化能力を有する優れた検出性能を示す。
関連論文リスト
- Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。
第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。
第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
論文 参考訳(メタデータ) (2024-04-12T20:39:19Z) - Interference Motion Removal for Doppler Radar Vital Sign Detection Using Variational Encoder-Decoder Neural Network [1.099532646524593]
本稿では,確率論的深層学習モデルを用いた干渉除去手法を提案する。
その結果、変分目的を持つ畳み込みエンコーダデコーダニューラルネットワークは、バイタルサインドップラー時間分布の有意義な表現空間を学習できることを示した。
論文 参考訳(メタデータ) (2024-04-12T07:41:17Z) - 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) - 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) - Deep denoising autoencoder-based non-invasive blood flow detection for
arteriovenous fistula [10.030431512848239]
本稿では,DAE(Deep Denoising Autoencoder)に基づく次元削減と再構成作業を行う手法を提案する。
以上の結果から,DAEが生み出す潜伏表現は0.93の精度で予測を上回った。
ノイズ・ミキシングの導入とノイズ・トゥ・クリーン・スキームの利用により、潜在表現の識別能力が効果的に向上する。
論文 参考訳(メタデータ) (2023-06-12T04:46:01Z) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳(メタデータ) (2022-12-14T21:39:15Z) - 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) - Markerless Suture Needle 6D Pose Tracking with Robust Uncertainty
Estimation for Autonomous Minimally Invasive Robotic Surgery [11.530352384883361]
ベイズフィルタを用いたマーカーレス縫合針ポーズトラッキングの新しい手法を提案する。
データ効率の良い特徴点検出器を訓練し、針上の特徴点を抽出する。
新しい観察モデルは、検出と針の予測投影との重なりを計測する。
論文 参考訳(メタデータ) (2021-09-26T23:30:14Z) - 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)
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。