論文の概要: DG-PPU: Dynamical Graphs based Post-processing of Point Clouds extracted from Knee Ultrasounds

• arxiv url: http://arxiv.org/abs/2411.08926v1
• Date: Tue, 12 Nov 2024 14:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:54.292409
• Title: DG-PPU: Dynamical Graphs based Post-processing of Point Clouds extracted from Knee Ultrasounds
• Title（参考訳）: DG-PPU: Knee Ultrasoundsから抽出した点雲の動的グラフに基づく後処理
• Authors: Injune Hwang, Karthik Saravanan, Caterina V Coralli, S Jack Tu, Sthephen J Mellon,
• Abstract要約: 膝全置換術(TKA)を施行した患者は、膝蓋大腿関節不安定(PFJ)から生じる非特異的な膝痛を経験することが多い。 PFJ運動の追跡は、CTやMRIのような静的な画像モダリティは視野や金属の人工物干渉によって制限されるため困難である。 我々は,超音波スキャンから抽出した点雲の3次元登録を用いて,パテラー追跡とPFJ運動の正確な可視化を実現することを目的とする。
• 参考スコア（独自算出の注目度）: 0.6790764754753309
• License:
• Abstract: Patients undergoing total knee arthroplasty (TKA) often experience non-specific anterior knee pain, arising from abnormal patellofemoral joint (PFJ) instability. Tracking PFJ motion is challenging since static imaging modalities like CT and MRI are limited by field of view and metal artefact interference. Ultrasounds offer an alternative modality for dynamic musculoskeletal imaging. We aim to achieve accurate visualisation of patellar tracking and PFJ motion, using 3D registration of point clouds extracted from ultrasound scans across different angles of joint flexion. Ultrasound images containing soft tissue are often mislabeled as bone during segmentation, resulting in noisy 3D point clouds that hinder accurate registration of the bony joint anatomy. Machine learning the intrinsic geometry of the knee bone may help us eliminate these false positives. As the intrinsic geometry of the knee does not change during PFJ motion, one may expect this to be robust across multiple angles of joint flexion. Our dynamical graphs-based post-processing algorithm (DG-PPU) is able to achieve this, creating smoother point clouds that accurately represent bony knee anatomy across different angles. After inverting these point clouds back to their original ultrasound images, we evaluated that DG-PPU outperformed manual data cleaning done by our lab technician, deleting false positives and noise with 98.2% precision across three different angles of joint flexion. DG-PPU is the first algorithm to automate the post-processing of 3D point clouds extracted from ultrasound scans. With DG-PPU, we contribute towards the development of a novel patellar mal-tracking assessment system with ultrasound, which currently does not exist.
• Abstract（参考訳）: 人工膝関節置換術(TKA)を施行した患者は, 膝蓋大腿関節不安定(PFJ)による非特異的膝関節痛を経験することが多い。 PFJ運動の追跡は、CTやMRIのような静的な画像モダリティは視野や金属の人工物干渉によって制限されるため困難である。 超音波は動的筋骨格イメージングの代替手段を提供する。 関節屈曲角度の異なる超音波スキャンから抽出した点雲の3次元登録を用いて,パテラー追跡とPFJ運動の正確な可視化を実現することを目的としている。 軟部組織を含む超音波画像は、分割時に骨と誤記されることが多く、ノイズの多い3D点の雲が骨の関節解剖の正確な登録を妨げている。 膝骨の内在的な形状を機械学習することで、これらの偽陽性を排除できるかもしれない。 膝の内在的な形状はPFJ運動中に変化しないため、関節屈曲の複数の角度で頑丈であると期待できる。 我々の動的グラフベースのポストプロセッシングアルゴリズム(DG-PPU)は、異なる角度のボニー膝解剖を正確に表現するスムーズな点雲を作り出すことができる。 これらの点雲を元の超音波画像に戻した後、DG-PPUは我々の研究室技術者による手動データのクリーニングよりも優れており、3つの異なる関節屈曲角度で98.2%の精度で偽陽性とノイズを除去した。 DG-PPUは超音波スキャンから抽出した3次元点雲の後処理を自動化する最初のアルゴリズムである。 DG-PPUでは,現在存在しない超音波を用いた新しいパテラー異常追跡システムの開発に寄与する。

関連論文リスト

• Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
  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。
  論文  参考訳（メタデータ） (2024-06-06T14:15:15Z)
• 3D Freehand Ultrasound using Visual Inertial and Deep Inertial Odometry for Measuring Patellar Tracking [4.252549987351643]
  膝蓋骨関節症(PFJ)は4名中1名に影響を及ぼし、治療にもかかわらず20%が慢性膝関節痛を発症した。 CTやMRIといった従来のイメージング手法では、コストや金属のアーチファクトといった課題に直面している。 関節の動きをモニターする新しいシステムは、PFJのダイナミクスの理解を大幅に改善する可能性がある。
  論文  参考訳（メタデータ） (2024-04-24T12:52:43Z)
• 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)
• Feature-aggregated spatiotemporal spine surface estimation for wearable patch ultrasound volumetric imaging [4.287216236596808]
  我々は,複数の画像角から反射性骨表面を捉えるためにパッチライクなウェアラブル超音波ソリューションを提案する。 我々のウェアラブル超音波システムは、拡張現実環境で臨床医に直感的で正確な介入指導を提供する可能性がある。
  論文  参考訳（メタデータ） (2022-11-11T02:15:48Z)
• Orientation-guided Graph Convolutional Network for Bone Surface Segmentation [51.51690515362261]
  骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。 提案手法は,接続距離を5.01%向上させる。
  論文  参考訳（メタデータ） (2022-06-16T23:01:29Z)
• 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)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
  光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。 現在の欠点は、従来の2Dプローブによって提供される視野の制限である。 本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T09:27:56Z)
• Bone Feature Segmentation in Ultrasound Spine Image with Robustness to Speckle and Regular Occlusion Noise [11.11171761130519]
  3D超音波画像は、低コストで、放射線のない、リアルタイムな特徴のおかげで、スコリオーシスの診断に大いに期待できる。 超音波画像で側鎖骨に到達するための鍵は、骨の領域を正確に区分けし、骨の特徴の対称性に基づいて側鎖骨の度合いを測定することである。 本稿では,超音波スピネルボリューム投影画像(VPI)画像のU-net構造に基づく頑健な骨特徴分割法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T02:44:39Z)
• Inertial Measurements for Motion Compensation in Weight-bearing Cone-beam CT of the Knee [6.7461735822055715]
  膝のCTスキャン中の不随意運動は、再建されたボリュームのアーティファクトを引き起こすため、臨床診断には使用できない。 被験者の脚に慣性測定装置(IMU)を装着し,スキャン中の運動を測定する。
  論文  参考訳（メタデータ） (2020-07-09T09:26:27Z)

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。