論文の概要: Image Retrieval with Intra-Sweep Representation Learning for Neck Ultrasound Scanning Guidance
- arxiv url: http://arxiv.org/abs/2412.07741v1
- Date: Tue, 10 Dec 2024 18:39:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:36:49.294584
- Title: Image Retrieval with Intra-Sweep Representation Learning for Neck Ultrasound Scanning Guidance
- Title(参考訳): ネック超音波走査誘導のためのスウィープ内表現学習による画像検索
- Authors: Wanwen Chen, Adam Schmidt, Eitan Prisman, Septimiu E. Salcudean,
- Abstract要約: 術中超音波(US)は経口ロボット手術におけるリアルタイムの可視化を促進する。
本稿では,術前画像データベースに米国内視点を合わせるための,自己指導型コントラスト学習手法を提案する。
提案手法は,シミュレーションデータに対する92.30%の精度を達成し,最先端の時間ベースコントラスト学習手法より優れている。
- 参考スコア(独自算出の注目度): 4.987315310656657
- License:
- Abstract: Purpose: Intraoperative ultrasound (US) can enhance real-time visualization in transoral robotic surgery. The surgeon creates a mental map with a pre-operative scan. Then, a surgical assistant performs freehand US scanning during the surgery while the surgeon operates at the remote surgical console. Communicating the target scanning plane in the surgeon's mental map is difficult. Automatic image retrieval can help match intraoperative images to preoperative scans, guiding the assistant to adjust the US probe toward the target plane. Methods: We propose a self-supervised contrastive learning approach to match intraoperative US views to a preoperative image database. We introduce a novel contrastive learning strategy that leverages intra-sweep similarity and US probe location to improve feature encoding. Additionally, our model incorporates a flexible threshold to reject unsatisfactory matches. Results: Our method achieves 92.30% retrieval accuracy on simulated data and outperforms state-of-the-art temporal-based contrastive learning approaches. Our ablation study demonstrates that using probe location in the optimization goal improves image representation, suggesting that semantic information can be extracted from probe location. We also present our approach on real patient data to show the feasibility of the proposed US probe localization system despite tissue deformation from tongue retraction. Conclusion: Our contrastive learning method, which utilizes intra-sweep similarity and US probe location, enhances US image representation learning. We also demonstrate the feasibility of using our image retrieval method to provide neck US localization on real patient US after tongue retraction.
- Abstract(参考訳): 目的: 経口ロボット手術において, 術中超音波(US)によりリアルタイムの可視化が向上する。
外科医は、術前スキャンでメンタルマップを作成します。
そして、外科アシスタントは、遠隔手術コンソールで手術中にフリーハンドUSスキャンを行う。
外科医の精神地図における対象走査面の通信は困難である。
自動画像検索は、術前のスキャンと術中画像の一致に役立ち、アシスタントに目標面に向かってUSプローブを調整するよう指示する。
方法: 術前画像データベースに米国内視点を合わせるための, 自己指導型コントラスト学習手法を提案する。
特徴符号化を改善するために,スウィープ内類似性とUSプローブ位置を利用した新しいコントラスト学習手法を提案する。
さらに、我々のモデルは不満足な一致を拒否するフレキシブルなしきい値を含む。
結果:本手法は,シミュレーションデータから92.30%の精度で検索し,最先端の時間ベースコントラスト学習手法より優れることがわかった。
我々のアブレーション研究は、最適化ゴールにおけるプローブ位置の使用により画像表現が向上し、プローブ位置から意味情報を抽出できることを示唆している。
また, 舌の伸長による組織変形にも拘わらず, 提案したUSプローブの局在化システムの実現可能性を示すために, 実際の患者データに対するアプローチを提案する。
結論: センサ内類似性とUSプローブ位置を利用したコントラスト学習手法により,US画像表現学習が促進される。
また, 舌抜去後の実際のUS患者に対して, 頸部US像の局所化を可能にするために, 画像検索法の有用性を実証した。
関連論文リスト
- Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。
本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。
臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
論文 参考訳(メタデータ) (2024-09-18T13:40:59Z) - 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) - Navigating the Synthetic Realm: Harnessing Diffusion-based Models for
Laparoscopic Text-to-Image Generation [3.2039076408339353]
拡散型生成モデルを用いて短いテキストプロンプトから合成腹腔鏡画像を生成するための直感的なアプローチを提案する。
画像ガイド下手術の分野では,拡散モデルがスタイルやセマンティクスの知識を得ることができた。
論文 参考訳(メタデータ) (2023-12-05T16:20:22Z) - 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) - Identifying Visible Tissue in Intraoperative Ultrasound Images during
Brain Surgery: A Method and Application [1.4408275800058263]
術中超音波検査は, 必要なビゾタクタクタブル・タスクである。
オペレーターは超音波の視点を同時にローカライズし、プローブのポーズを手動で調整する必要がある。
超音波プローブと組織接触の解析を可能にする可視組織同定法を提案する。
論文 参考訳(メタデータ) (2023-06-01T23:06:14Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳(メタデータ) (2023-03-31T12:52:24Z) - Image-Guided Navigation of a Robotic Ultrasound Probe for Autonomous
Spinal Sonography Using a Shadow-aware Dual-Agent Framework [35.17207004351791]
本稿では,強化学習エージェントと深層学習エージェントを統合した新しいデュアルエージェントフレームワークを提案する。
提案手法は,US画像を効果的に解釈し,プローブをナビゲートすることで,脊椎の複数の標準視像を取得できる。
論文 参考訳(メタデータ) (2021-11-03T12:11:27Z) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳(メタデータ) (2021-10-12T21:22:24Z) - Autonomous Navigation of an Ultrasound Probe Towards Standard Scan
Planes with Deep Reinforcement Learning [28.17246919349759]
本論文では,実時間画像フィードバックに基づく仮想米国プローブの6次元ポーズを自律的に制御するフレームワークを提案する。
本手法は,米国の脊椎イメージングで収集した実世界データを用いて構築したシミュレーション環境で検証した。
論文 参考訳(メタデータ) (2021-03-01T03:09:17Z) - Screen Tracking for Clinical Translation of Live Ultrasound Image
Analysis Methods [2.5805793749729857]
提案手法は,ソノグラフィの視点に固定されたカメラで画面を追跡し,撮影画像を適切なアスペクト比に再構成することで,米国内の画像をキャプチャする。
これにより、取得した画像を画像処理パイプラインに入力して、検査を改善するのに役立つ情報を抽出できるという仮説が立てられている。
この情報は、例えば拡張現実(AR)ヘッドセットを使って、音像師の視界にリアルタイムで投影される。
論文 参考訳(メタデータ) (2020-07-13T09:53:20Z) - Towards Unsupervised Learning for Instrument Segmentation in Robotic
Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。
当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。
提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
論文 参考訳(メタデータ) (2020-07-09T01:39:39Z)
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。