論文の概要: Enhancing Free-hand 3D Photoacoustic and Ultrasound Reconstruction using Deep Learning

• arxiv url: http://arxiv.org/abs/2502.03505v1
• Date: Wed, 05 Feb 2025 11:59:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:33:20.577894
• Title: Enhancing Free-hand 3D Photoacoustic and Ultrasound Reconstruction using Deep Learning
• Title（参考訳）: 深層学習を用いた自由手3次元光音響・超音波再構成の強化
• Authors: SiYeoul Lee, SeonHo Kim, Minkyung Seo, SeongKyu Park, Salehin Imrus, Kambaluru Ashok, DongEon Lee, Chunsu Park, SeonYeong Lee, Jiye Kim, Jae-Heung Yoo, MinWoo Kim,
• Abstract要約: 本研究では,携帯型光音響・超音波(PAUS)画像における3次元再構成を支援するため,グローバルローカル自己保持モジュール(MoGLo-Net)を用いたモーションベース学習ネットワークを提案する。 MoGLo-Netは、連続した超音波画像内の完全に発達したスペックル領域や高発癌組織領域などの臨界領域を利用して、運動パラメータを正確に推定する。
• 参考スコア（独自算出の注目度）: 3.8426872518410997
• License:
• Abstract: This study introduces a motion-based learning network with a global-local self-attention module (MoGLo-Net) to enhance 3D reconstruction in handheld photoacoustic and ultrasound (PAUS) imaging. Standard PAUS imaging is often limited by a narrow field of view and the inability to effectively visualize complex 3D structures. The 3D freehand technique, which aligns sequential 2D images for 3D reconstruction, faces significant challenges in accurate motion estimation without relying on external positional sensors. MoGLo-Net addresses these limitations through an innovative adaptation of the self-attention mechanism, which effectively exploits the critical regions, such as fully-developed speckle area or high-echogenic tissue area within successive ultrasound images to accurately estimate motion parameters. This facilitates the extraction of intricate features from individual frames. Additionally, we designed a patch-wise correlation operation to generate a correlation volume that is highly correlated with the scanning motion. A custom loss function was also developed to ensure robust learning with minimized bias, leveraging the characteristics of the motion parameters. Experimental evaluations demonstrated that MoGLo-Net surpasses current state-of-the-art methods in both quantitative and qualitative performance metrics. Furthermore, we expanded the application of 3D reconstruction technology beyond simple B-mode ultrasound volumes to incorporate Doppler ultrasound and photoacoustic imaging, enabling 3D visualization of vasculature. The source code for this study is publicly available at: https://github.com/guhong3648/US3D
• Abstract（参考訳）: 本研究では,携帯型光音響・超音波(PAUS)画像における3次元再構成を支援するため,グローバルローカル自己保持モジュール(MoGLo-Net)を用いたモーションベース学習ネットワークを提案する。 標準的なPAUSイメージングは、狭い視野と複雑な3D構造を効果的に可視化できないことで制限されることが多い。 連続した2次元画像を3D再構成する3Dフリーハンド技術は、外部位置センサに頼らずに正確な動き推定において大きな課題に直面している。 MoGLo-Netは自己保持機構の革新的な適応を通じてこれらの制限に対処し、連続した超音波画像内の完全発達したスペックル領域や高発癌組織領域などの臨界領域を効果的に利用し、運動パラメータを正確に推定する。 これにより、個々のフレームから複雑な特徴の抽出が容易になる。 さらに,走査運動と高い相関関係を持つ相関体積を生成するパッチワイド相関演算を設計した。 また, 運動パラメータの特性を利用して, バイアスを最小限に抑え, 頑健な学習を確保するために, カスタム損失関数を開発した。 実験により,MoGLo-Netは定量評価と定性評価の両方において最先端の手法を超越していることがわかった。 さらに,簡単なBモード超音波ボリュームを超える3次元再構成技術の応用を拡大し,ドップラー超音波と光音響イメージングを併用し,血管の3次元可視化を可能にした。 この研究のソースコードは、https://github.com/guhong3648/US3Dで公開されている。

関連論文リスト

• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• SLAM assisted 3D tracking system for laparoscopic surgery [22.36252790404779]
  本研究は,登録後タスクのためのリアルタイムモノクル3D追跡アルゴリズムを提案する。 in-vivoおよびex-vivoテストによる実験では、提案された3Dトラッキングシステムが堅牢な3Dトラッキングを提供することが示された。
  論文  参考訳（メタデータ） (2024-09-18T04:00:54Z)
• NeRF-US: Removing Ultrasound Imaging Artifacts from Neural Radiance Fields in the Wild [11.047805165425256]
  超音波画像データにおける3次元再構成と新しいビュー合成(NVS)の現在の手法は、NeRFベースのアプローチを訓練する際、しばしば深刻な成果物に直面している。 本研究では,NeRFトレーニングに境界確率と散乱密度の3次元測位法を組み込んだNeRF-USを導入した。
  論文  参考訳（メタデータ） (2024-08-13T13:21:53Z)
• UlRe-NeRF: 3D Ultrasound Imaging through Neural Rendering with Ultrasound Reflection Direction Parameterization [0.5837446811360741]
  従来の3D超音波イメージング法には、解像度の固定化、ストレージ効率の低さ、コンテキスト接続性の不足といった制限がある。 暗黙的なニューラルネットワークと明示的な超音波レンダリングアーキテクチャを組み合わせた新しいモデルUlRe-NeRFを提案する。 実験の結果,UlRe-NeRFモデルは高忠実度超音波画像再構成の現実性と精度を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2024-08-01T18:22:29Z)
• MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
  Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。 このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。 我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
  論文  参考訳（メタデータ） (2023-12-12T18:21:36Z)
• 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)
• A Novel Augmented Reality Ultrasound Framework Using an RGB-D Camera and a 3D-printed Marker [0.3061098887924466]
  我々のゴールは、標準RGB-Dカメラを用いたシンプルで低コストな拡張現実エコーフレームワークを開発することである。 プロトタイプシステムは、Occipital Structure Core RGB-Dカメラ、特別に設計された3Dマーカー、高速クラウド登録アルゴリズムFaVoRで構成されていた。 プロトタイププローブをソフトウェアPLUSツールキットを用いて3DプリントN線ファントムで校正した。
  論文  参考訳（メタデータ） (2022-05-09T14:54:47Z)
• 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)
• A Geometry-Informed Deep Learning Framework for Ultra-Sparse 3D Tomographic Image Reconstruction [13.44786774177579]
  超疎3次元トモグラフィ画像再構成のための幾何学インフォームド深層学習フレームワークを構築した。 本研究は,3次元CT画像の高精細化を実現するために,既知の先行画像のシームレスな包摂が不可欠であることを実証する。
  論文  参考訳（メタデータ） (2021-05-25T06:20:03Z)
• 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)

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。