論文の概要: Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging

• arxiv url: http://arxiv.org/abs/2406.04100v1
• Date: Thu, 6 Jun 2024 14:15:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-07 14:40:14.313418
• Title: Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging
• Title（参考訳）: ロボット間超音波画像におけるUS-CT自動登録のためのクラスアウェア軟骨分割法
• Authors: Zhongliang Jiang, Yunfeng Kang, Yuan Bi, Xuesong Li, Chenyang Li, Nassir Navab,
• Abstract要約: 形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。 一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。 提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
• 参考スコア（独自算出の注目度）: 39.597735935731386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultrasound imaging has been widely used in clinical examinations owing to the advantages of being portable, real-time, and radiation-free. Considering the potential of extensive deployment of autonomous examination systems in hospitals, robotic US imaging has attracted increased attention. However, due to the inter-patient variations, it is still challenging to have an optimal path for each patient, particularly for thoracic applications with limited acoustic windows, e.g., intercostal liver imaging. To address this problem, a class-aware cartilage bone segmentation network with geometry-constraint post-processing is presented to capture patient-specific rib skeletons. Then, a dense skeleton graph-based non-rigid registration is presented to map the intercostal scanning path from a generic template to individual patients. By explicitly considering the high-acoustic impedance bone structures, the transferred scanning path can be precisely located in the intercostal space, enhancing the visibility of internal organs by reducing the acoustic shadow. To evaluate the proposed approach, the final path mapping performance is validated on five distinct CTs and two volunteer US data, resulting in ten pairs of CT-US combinations. Results demonstrate that the proposed graph-based registration method can robustly and precisely map the path from CT template to individual patients (Euclidean error: $2.21\pm1.11~mm$).
• Abstract（参考訳）: 超音波画像は、携帯性、リアルタイム性、放射線のないという利点があるため、臨床検査に広く用いられている。 病院における自律的な検査システムの広範な展開の可能性を考えると、ロボットUSイメージングが注目を集めている。 しかし, 患者間変動が原因で, 特に超音波窓が限られている胸部領域では, それぞれの患者に最適な経路を持つことは依然として困難である。 この問題に対処するため, 形状制約後処理を施したクラス認識軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捉えた。 次に、密度の高い骨格グラフに基づく非剛性登録を行い、一般的なテンプレートから個々の患者に宿主間走査経路をマッピングする。 高音響インピーダンスの骨構造を明示的に考慮することにより、転写された走査路を宿主間空間に正確に配置することができ、音響的影を低減して内臓の視認性を高めることができる。 提案手法を評価するため、5つの異なるCTデータと2つのボランティアUSデータに対して最終経路マッピング性能を検証し、10組のCTとUSの組み合わせを得た。 その結果,提案手法はCTテンプレートから個々の患者への経路を頑健かつ正確にマッピングできることがわかった(ユークリッド誤差:2.21\pm1.11~mm$)。

関連論文リスト

• Autonomous Path Planning for Intercostal Robotic Ultrasound Imaging Using Reinforcement Learning [45.5123007404575]
  胸腔鏡検査は, 皮下リブケージの音響的影が原因で, 依然として困難である。 本研究は, 内臓器病変のモニタリングを行うために, リブ間の走査経路を計画するための強化学習手法を提案する。 ランダムに定義された単一または複数の走査ターゲットを持つ未確認のCTに対して実験が実施されている。
  論文  参考訳（メタデータ） (2024-04-15T16:52:53Z)
• 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)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Skeleton Graph-based Ultrasound-CT Non-rigid Registration [40.40844749663152]
  皮膚下骨表面の特徴を用いて患者固有の特性を適応させるスケルトングラフに基づく非リグイド登録を提案する。 提案手法を検証するために,1人のボランティアと7つのCT軟骨点群から,異なる患者からUS軟骨点群を手動で抽出した。
  論文  参考訳（メタデータ） (2023-05-14T19:21:43Z)
• Enabling Augmented Segmentation and Registration in Ultrasound-Guided Spinal Surgery via Realistic Ultrasound Synthesis from Diagnostic CT Volume [19.177141722698188]
  術中臨床USデータの不足は、ニューラルネットワークのトレーニングにおいて、克服不可能なボトルネックとなっている。 In silico bone US simulation framework that really US image from diagnosis CT volume。 脊椎超音波検査のための骨分割を高精度かつオンザフライで実現できる軽量な視覚変換器モデルを訓練する。
  論文  参考訳（メタデータ） (2023-01-05T07:28:06Z)
• 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)

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。