論文の概要: Enhanced Uncertainty Estimation in Ultrasound Image Segmentation with MSU-Net

• arxiv url: http://arxiv.org/abs/2407.21273v1
• Date: Wed, 31 Jul 2024 01:36:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-01 19:04:58.112633
• Title: Enhanced Uncertainty Estimation in Ultrasound Image Segmentation with MSU-Net
• Title（参考訳）: MSU-Netを用いた超音波画像分割における不確かさ推定の高速化
• Authors: Rohini Banerjee, Cecilia G. Morales, Artur Dubrawski,
• Abstract要約: MSU-Netは,U-Netのアンサンブルをトレーニングし,正確な超音波画像分割マップを生成するための,新しい多段階アプローチである。 1つのモンテカルロU-Netに対して18.1%の大幅な改善、不確実性評価の強化、モデルの透明性、信頼性を実証する。
• 参考スコア（独自算出の注目度）: 13.489622701621698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient intravascular access in trauma and critical care significantly impacts patient outcomes. However, the availability of skilled medical personnel in austere environments is often limited. Autonomous robotic ultrasound systems can aid in needle insertion for medication delivery and support non-experts in such tasks. Despite advances in autonomous needle insertion, inaccuracies in vessel segmentation predictions pose risks. Understanding the uncertainty of predictive models in ultrasound imaging is crucial for assessing their reliability. We introduce MSU-Net, a novel multistage approach for training an ensemble of U-Nets to yield accurate ultrasound image segmentation maps. We demonstrate substantial improvements, 18.1% over a single Monte Carlo U-Net, enhancing uncertainty evaluations, model transparency, and trustworthiness. By highlighting areas of model certainty, MSU-Net can guide safe needle insertions, empowering non-experts to accomplish such tasks.
• Abstract（参考訳）: 外傷や重篤なケアにおける効果的な血管内アクセスは、患者の予後に大きな影響を及ぼす。 しかし、熟練した医療従事者がアスタール環境で利用できることは、しばしば限られている。 自律型ロボット超音波システムは、薬の配達に針の挿入を補助し、そのようなタスクで非専門家をサポートする。 自律針挿入の進歩にもかかわらず、血管分割予測の不正確さはリスクを引き起こす。 超音波画像における予測モデルの不確実性を理解することは、その信頼性を評価するために重要である。 MSU-Netは,U-Netのアンサンブルをトレーニングし,正確な超音波画像分割マップを生成するための,新しい多段階アプローチである。 1つのモンテカルロU-Netに対して18.1%の大幅な改善、不確実性評価の強化、モデルの透明性、信頼性を実証する。 モデル確実性の領域を強調することで、MSU-Netは安全な針挿入をガイドし、非専門家にそのようなタスクを遂行する権限を与える。

関連論文リスト

• Analyzing the Effect of $k$-Space Features in MRI Classification Models [0.0]
  医用イメージングに適した説明可能なAI手法を開発した。 我々は、画像領域と周波数領域の両方にわたるMRIスキャンを分析する畳み込みニューラルネットワーク(CNN)を採用している。 このアプローチは、初期のトレーニング効率を高めるだけでなく、追加機能がモデル予測にどのように影響するかの理解を深めます。
  論文  参考訳（メタデータ） (2024-09-20T15:43:26Z)
• Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
  3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。 近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。 本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-05T00:46:53Z)
• Bayesian Neural Networks for 2D MRI Segmentation [0.0]
  本稿では,MRIセグメンテーションのための不確実性認識モデルであるBA U-Netを紹介する。 BA U-Netは正確で解釈可能な結果を提供し、信頼性の高い病理検査に不可欠である。
  論文  参考訳（メタデータ） (2023-11-24T23:54:33Z)
• Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles [4.249986624493547]
  深層学習は高い予測精度と不確実性推定を実現することが示されている。 テスト時の入力画像のゆがみは、パフォーマンスを著しく低下させる可能性がある。 LaDiNEは,入力画像から情報および不変潜伏変数を推定できる,新規で堅牢な確率的手法である。
  論文  参考訳（メタデータ） (2023-10-24T15:53:07Z)
• Exploring the Utility of Self-Supervised Pretraining Strategies for the Detection of Absent Lung Sliding in M-Mode Lung Ultrasound [72.39040113126462]
  セルフ教師付きプレトレーニングは、医用画像における教師付き学習タスクのパフォーマンスを向上させるために観察されている。 本研究は,Mモード肺超音波画像における肺スライディング分類の下流タスクの微調整を指導する前,自己指導型プレトレーニングの有用性について検討した。
  論文  参考訳（メタデータ） (2023-04-05T20:01:59Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Initial Investigations Towards Non-invasive Monitoring of Chronic Wound Healing Using Deep Learning and Ultrasound Imaging [0.0]
  超音波画像における断面創の大きさの深層学習に基づく自動区分けの初期成績を報告する。 我々は,非侵襲的超音波画像の深層学習支援分析が研究の有望な領域であると結論づけた。
  論文  参考訳（メタデータ） (2022-01-25T18:12:54Z)
• Performance or Trust? Why Not Both. Deep AUC Maximization with Self-Supervised Learning for COVID-19 Chest X-ray Classifications [72.52228843498193]
  ディープラーニングモデルのトレーニングでは、パフォーマンスと信頼の間に妥協をしなければなりません。 本研究は、新型コロナウイルス患者のコンピュータ支援スクリーニングのための自己教師型学習と新しい代理損失を統合したものである。
  論文  参考訳（メタデータ） (2021-12-14T21:16:52Z)
• In-Bed Human Pose Estimation from Unseen and Privacy-Preserving Image Domains [22.92165116962952]
  ベッド内の人間の姿勢推定は、医療状況の評価において潜在的な価値を持つ重要な健康関連指標を提供する。 本稿では,マルチモーダル条件変分オートエンコーダ(MC-VAE)を提案する。 本研究は, 身体位置が利用可能なモダリティから効果的に認識できることを示し, ベースラインモデルと同等の結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-11-30T04:56:16Z)

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。