論文の概要: Emulating Clinical Quality Muscle B-mode Ultrasound Images from Plane Wave Images Using a Two-Stage Machine Learning Model
- arxiv url: http://arxiv.org/abs/2412.05758v1
- Date: Sat, 07 Dec 2024 22:59:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:56:22.730718
- Title: Emulating Clinical Quality Muscle B-mode Ultrasound Images from Plane Wave Images Using a Two-Stage Machine Learning Model
- Title（参考訳）: 2段階機械学習モデルを用いた平面波画像からの臨床品質Bモード超音波像のエミュレート
- Authors: Reed Chen, Courtney Trutna Paley, Wren Wightman, Lisa Hobson-Webb, Yohei Harada, Felix Jin, Ouwen Huang, Mark Palmeri, Kathryn Nightingale,
- Abstract要約: このプロジェクトでは,Varasonics Vantageシステムで取得した筋肉の単一平面波画像を改善するために,2段階の機械学習モデルを実装した。
このモデルは、単一の平面波伝送から28.5 +/- 0.6 FPSのフレームレートで高速な画像形成を提供する。
- 参考スコア（独自算出の注目度）: 0.4892353365843153
- License:
- Abstract: Research ultrasound scanners such as the Verasonics Vantage often lack the advanced image processing algorithms used by clinical systems. Image quality is even lower in plane wave imaging - often used for shear wave elasticity imaging (SWEI) - which sacrifices spatial resolution for temporal resolution. As a result, delay-and-summed images acquired from SWEI have limited interpretability. In this project, a two-stage machine learning model was trained to enhance single plane wave images of muscle acquired with a Verasonics Vantage system. The first stage of the model consists of a U-Net trained to emulate plane wave compounding, histogram matching, and unsharp masking using paired images. The second stage consists of a CycleGAN trained to emulate clinical muscle B-modes using unpaired images. This two-stage model was implemented on the Verasonics Vantage research ultrasound scanner, and its ability to provide high-speed image formation at a frame rate of 28.5 +/- 0.6 FPS from a single plane wave transmit was demonstrated. A reader study with two physicians demonstrated that these processed images had significantly greater structural fidelity and less speckle than the original plane wave images.
- Abstract（参考訳）: Verasonics Vantageのような研究用超音波スキャナは、しばしば臨床システムで使用される高度な画像処理アルゴリズムを欠いている。
平面波画像(SWEI)では、時間分解能の空間分解能を犠牲にしている。
その結果、SWEIから取得した遅延・仮定画像は、解釈可能性に制限がある。
このプロジェクトでは、ヴェラソニクス・ヴァンタージュシステムで取得した筋肉の単一平面波画像を強化するために、2段階の機械学習モデルが訓練された。
モデルの最初の段階は、平面波の合成、ヒストグラムマッチング、およびペア画像を用いたアンシャープマスキングをエミュレートする訓練されたU-Netで構成されている。
第2段階は、未ペア画像を用いて臨床筋のBモードをエミュレートする訓練されたCycleGANで構成されている。
この2段階のモデルがVerasonics Vantage研究用超音波スキャナーに実装され、単一の平面波伝送から28.5 +/- 0.6 FPSのフレームレートで高速な画像形成を可能にすることが実証された。
2人の医師による調査では、これらの処理された画像は、元の平面波画像よりも構造的忠実度が著しく高く、スペックルが少なかった。
関連論文リスト
- Enhancing Fetal Plane Classification Accuracy with Data Augmentation Using Diffusion Models [4.463474240520404]
高品質なアノテート超音波画像の入手は限られており、機械学習モデルの訓練が制限されている。
本稿では, 胎児平面分類の性能向上のために, 拡散モデルを用いて合成超音波画像を生成する手法について検討する。
論文 参考訳（メタデータ） (2025-01-25T15:33:13Z) - Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。
超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。
RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
論文 参考訳（メタデータ） (2025-01-02T09:24:34Z) - Frequency-Guided Masking for Enhanced Vision Self-Supervised Learning [49.275450836604726]
本稿では、事前学習の有効性を大幅に向上させる、新しい周波数ベースの自己監視学習(SSL)手法を提案する。
我々は、知識蒸留によって強化された2ブランチのフレームワークを使用し、モデルがフィルタされた画像と原画像の両方を入力として取り込むことを可能にする。
論文 参考訳（メタデータ） (2024-09-16T15:10:07Z) - Denoising Plane Wave Ultrasound Images Using Diffusion Probabilistic Models [3.3463490716514177]
高フレームレート超音波イメージングは、高フレームレートイメージングを可能にする最先端技術である。
高フレームレート超音波イメージングにかかわる課題の1つは、それらにかかわる高ノイズが、より広範に採用を妨げていることである。
提案手法は,平面波画像の画質向上を目的としている。
具体的には、低角と高角複合平面波の区別をノイズとみなす。
さらに,本手法では,生成した画像の強度マップとして自然画像分割マスクを用い,解剖学的形状の精度向上を図る。
論文 参考訳（メタデータ） (2024-08-20T16:31:31Z) - Real-Time Model-Based Quantitative Ultrasound and Radar [65.268245109828]
本稿では,波動伝搬の物理モデルに基づくニューラルネットワークを提案し,受信信号と物理特性の関係を定義した。
我々のネットワークは、複雑で現実的なシナリオのために、1秒未満で複数の物理的特性を再構築することができる。
論文 参考訳（メタデータ） (2024-02-16T09:09:16Z) - Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。
本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。
提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
論文 参考訳（メタデータ） (2024-02-09T15:14:48Z) - Fast Sampling generative model for Ultrasound image reconstruction [3.3545464959630578]
本稿では,超音波信号とデータ駆動前のデータ一貫性を同時に実施する新しいサンプリングフレームワークを提案する。
高度な拡散モデルを利用することで、高品質な画像の生成が大幅に高速化される。
論文 参考訳（メタデータ） (2023-12-15T03:28:17Z) - 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) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳（メタデータ） (2023-05-15T18:19:29Z) - 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) - CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。
強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。
本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
論文 参考訳（メタデータ） (2020-08-28T17:15:37Z)
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。