論文の概要: UltraBones100k: An Ultrasound Image Dataset with CT-Derived Labels for Lower Extremity Long Bone Surface Segmentation

• arxiv url: http://arxiv.org/abs/2502.03783v1
• Date: Thu, 06 Feb 2025 05:11:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:31:40.277325
• Title: UltraBones100k: An Ultrasound Image Dataset with CT-Derived Labels for Lower Extremity Long Bone Surface Segmentation
• Title（参考訳）: UltraBones100k:下肢長骨表面切開のためのCT像を用いた超音波画像データセット
• Authors: Luohong Wu, Nicola A. Cavalcanti, Matthias Seibold, Giuseppe Loggia, Lisa Reissner, Jonas Hein, Silvan Beeler, Arnd Viehöfer, Stephan Wirth, Lilian Calvet, Philipp Fürnstahl,
• Abstract要約: 本稿では,骨ラベルの自動生成による残響超音波データセットの収集手法を提案する。 提案するラベルは、追跡された骨CTモデルを追跡された超音波画像に正確に重ね合わせることで得られる。 骨分割のためのニューラルネットワークは、収集されたデータセットに基づいてトレーニングされ、その予測は専門家の手動ラベルと比較される。
• 参考スコア（独自算出の注目度）: 0.5591588514747428
• License:
• Abstract: Ultrasound-based bone surface segmentation is crucial in computer-assisted orthopedic surgery. However, ultrasound images have limitations, including a low signal-to-noise ratio, and acoustic shadowing, which make interpretation difficult. Existing deep learning models for bone segmentation rely primarily on costly manual labeling by experts, limiting dataset size and model generalizability. Additionally, the complexity of ultrasound physics and acoustic shadow makes the images difficult for humans to interpret, leading to incomplete labels in anechoic regions and limiting model performance. To advance ultrasound bone segmentation and establish effective model benchmarks, larger and higher-quality datasets are needed. We propose a methodology for collecting ex-vivo ultrasound datasets with automatically generated bone labels, including anechoic regions. The proposed labels are derived by accurately superimposing tracked bone CT models onto the tracked ultrasound images. These initial labels are refined to account for ultrasound physics. A clinical evaluation is conducted by an expert physician specialized on orthopedic sonography to assess the quality of the generated bone labels. A neural network for bone segmentation is trained on the collected dataset and its predictions are compared to expert manual labels, evaluating accuracy, completeness, and F1-score. We collected the largest known dataset of 100k ultrasound images of human lower limbs with bone labels, called UltraBones100k. A Wilcoxon signed-rank test with Bonferroni correction confirmed that the bone alignment after our method significantly improved the quality of bone labeling (p < 0.001). The model trained on UltraBones100k consistently outperforms manual labeling in all metrics, particularly in low-intensity regions (320% improvement in completeness at a distance threshold of 0.5 mm).
• Abstract（参考訳）: 超音波による骨表面分節は, コンピュータによる整形外科手術において重要である。 しかし、超音波画像には低信号対雑音比、音響シャドーイングなどの制限があり、解釈が困難である。 骨分割のための既存のディープラーニングモデルは、主に専門家による高価な手作業によるラベル付け、データセットのサイズ制限、モデルの一般化性に依存している。 さらに、超音波物理学と音響シャドーの複雑さにより、画像の解釈が困難になり、無響領域における不完全ラベルとモデル性能が制限される。 超音波骨セグメンテーションの進歩と効果的なモデルベンチマークの確立には,より大きく高品質なデータセットが必要である。 本研究では,無響領域を含む骨ラベルを自動生成する超音波データセットの収集手法を提案する。 提案するラベルは、追跡された骨CTモデルを追跡された超音波画像に正確に重ね合わせることで得られる。 これらの初期のラベルは、超音波物理を説明するために洗練されている。 整形外科ソノグラフィを専門とする専門医が臨床評価を行い、生成された骨ラベルの品質を評価する。 骨分割のためのニューラルネットワークは、収集されたデータセットに基づいてトレーニングされ、その予測は専門家の手動ラベルと比較され、正確性、完全性、F1スコアを評価する。 我々はUltraBones100kという骨ラベルを持つヒトの下肢の100kの超音波画像の最大のデータセットを収集した。 ボニフェロニ矯正法を併用したウィルコクソンサインランク試験では, 骨のアライメントにより骨のラベル付けが有意に改善した(p < 0.001)。 UltraBones100kでトレーニングされたモデルは、特に低強度領域(320%改善、0.5mmの範囲での完全性の改善)において、すべての指標において手動ラベリングを一貫して上回っている。

関連論文リスト

• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Deep Spectral Methods for Unsupervised Ultrasound Image Interpretation [53.37499744840018]
  本稿では, 超音波を応用した非教師型深層学習手法を提案する。 我々は、スペクトルグラフ理論と深層学習法を組み合わせた教師なしディープスペクトル法から重要な概念を統合する。 スペクトルクラスタリングの自己教師型トランスフォーマー機能を利用して、超音波特有のメトリクスと形状と位置の先行値に基づいて意味のあるセグメントを生成し、データセット間のセマンティック一貫性を確保する。
  論文  参考訳（メタデータ） (2024-08-04T14:30:14Z)
• Anatomical Region Recognition and Real-time Bone Tracking Methods by Dynamically Decoding A-Mode Ultrasound Signals [4.595636071139437]
  本稿では,Aモード超音波信号を用いた解剖学的領域認識と骨追跡のためのディープラーニング手法を提案する。 このアルゴリズムは、同時に骨追跡を行い、Aモード超音波トランスデューサが置かれた解剖学的領域を特定することができる。 この実験は解剖学的領域の分類において97%の精度を示し、動的追跡条件下では0.5$pm$1mmの精度を示した。
  論文  参考訳（メタデータ） (2024-05-29T22:04:40Z)
• 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)
• Deep Learning based acoustic measurement approach for robotic applications on orthopedics [4.399658501226972]
  Aモード超音波(US)による骨追跡の精度向上のための新しい深層学習構造を提案する。 本研究では,Aモード超音波(US)による骨追跡の精度を向上させるための新しい深層学習構造を提案する。
  論文  参考訳（メタデータ） (2024-03-09T11:09:45Z)
• 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)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Adnexal Mass Segmentation with Ultrasound Data Synthesis [3.614586930645965]
  教師付き学習を用いて, 副眼窩腫瘤の分節が可能であることを実証した。 そこで我々は, 新たな病理特異的データ合成装置を応用し, その基礎的真理セグメンテーションを生かした医用画像を作成する。 提案手法は,nU-Netベースラインアプローチと比較して最大8%向上するなど,すべてのクラスで最高のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-09-25T19:24:02Z)
• 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)
• 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)
• Delineating Bone Surfaces in B-Mode Images Constrained by Physics of Ultrasound Propagation [4.669073579457748]
  超音波における骨表面のデライン化は, 診断, 手術計画, 術後の整形外科的経過に有意な関連がある。 骨表面のデライン化を目的として,超音波伝搬の物理を因子グラフの定式化にエンコードする手法を提案する。
  論文  参考訳（メタデータ） (2020-01-07T12:34:42Z)

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。