論文の概要: Standardisation of Convex Ultrasound Data Through Geometric Analysis and Augmentation

• arxiv url: http://arxiv.org/abs/2502.09482v1
• Date: Thu, 13 Feb 2025 16:45:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:48:14.687613
• Title: Standardisation of Convex Ultrasound Data Through Geometric Analysis and Augmentation
• Title（参考訳）: 幾何解析と拡張による凸超音波データの標準化
• Authors: Alistair Weld, Giovanni Faoro, Luke Dixon, Sophie Camp, Arianna Menciassi, Stamatia Giannarou,
• Abstract要約: 超音波の研究と開発は、特にデータ駆動アルゴリズムの応用において、歴史的に遅れを取ってきた。 超音波の大きな問題は、さまざまなマシンが利用可能なため、画像の極端な変動である。 本稿で提案する手法は, この非組織化の問題を緩和するためのアプローチである。
• 参考スコア（独自算出の注目度）: 5.87276808100259
• License:
• Abstract: The application of ultrasound in healthcare has seen increased diversity and importance. Unlike other medical imaging modalities, ultrasound research and development has historically lagged, particularly in the case of applications with data-driven algorithms. A significant issue with ultrasound is the extreme variability of the images, due to the number of different machines available and the possible combination of parameter settings. One outcome of this is the lack of standardised and benchmarking ultrasound datasets. The method proposed in this article is an approach to alleviating this issue of disorganisation. For this purpose, the issue of ultrasound data sparsity is examined and a novel perspective, approach, and solution is proposed; involving the extraction of the underlying ultrasound plane within the image and representing it using annulus sector geometry. An application of this methodology is proposed, which is the extraction of scan lines and the linearisation of convex planes. Validation of the robustness of the proposed method is performed on both private and public data. The impact of deformation and the invertibility of augmentation using the estimated annulus sector parameters is also studied. Keywords: Ultrasound, Annulus Sector, Augmentation, Linearisation.
• Abstract（参考訳）: 医療における超音波の応用は多様性と重要性が増している。 他の医療画像のモダリティとは異なり、超音波の研究や開発は、特にデータ駆動アルゴリズムの応用において、歴史的に遅れを取ってきた。 超音波の大きな問題は、異なるマシンの数とパラメータ設定の組み合わせが可能であるため、画像の極端な変動である。 この結果の1つは、超音波データセットの標準化とベンチマークの欠如である。 本稿で提案する手法は, この非組織化の問題を緩和するためのアプローチである。 この目的のために, 超音波データの分散性について検討し, 新しい視点, アプローチ, 解決策を提案し, 基礎となる超音波面を画像内に抽出し, 環状セクター形状を用いて表現する。 本手法の応用として, 走査線抽出と凸面の線形化を提案する。 提案手法のロバスト性検証は,プライベートデータとパブリックデータの両方で行う。 また, 推定アンラスセクターパラメータを用いた変形の影響と増大の可逆性についても検討した。 キーワード:超音波、環状セクター、拡張、線形化。

関連論文リスト

• S-CycleGAN: Semantic Segmentation Enhanced CT-Ultrasound Image-to-Image Translation for Robotic Ultrasonography [2.07180164747172]
  我々はS-CycleGANと呼ばれる高度なディープラーニングモデルを導入し,CTデータから高品質な合成超音波画像を生成する。 合成画像を用いて,ロボット支援超音波スキャンシステムの開発の諸側面を解明する。
  論文  参考訳（メタデータ） (2024-06-03T10:53:45Z)
• Ultrasound Imaging based on the Variance of a Diffusion Restoration Model [7.360352432782388]
  本稿では, 線形直列モデルと学習に基づく先行モデルを組み合わせたハイブリッド再構成手法を提案する。 我々は,高品質な画像再構成を実現するための分散イメージング手法の有効性を実証し,合成,in-vitro,in-vivoデータの実験を行った。
  論文  参考訳（メタデータ） (2024-03-22T16:10:38Z)
• 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)
• UNICORN: Ultrasound Nakagami Imaging via Score Matching and Adaptation [59.91293113930909]
  超音波による組織散乱の可視化と定量化は中上イメージングが約束している。 既存の手法では、最適なウィンドウサイズの選択に苦労し、推定の不安定性に悩まされている。 提案手法は,中上パラメータ推定のための高精度でクローズドな形状推定器であるUNICORNを提案する。
  論文  参考訳（メタデータ） (2024-03-10T18:05:41Z)
• Diffusion Reconstruction of Ultrasound Images with Informative Uncertainty [5.375425938215277]
  超音波画像の品質を高めるには、コントラスト、解像度、スペックル保存といった同時的な要因のバランスを取る必要がある。 拡散モデルの進歩を生かしたハイブリッドアプローチを提案する。 シミュレーション,in-vitro,in-vivoデータの総合的な実験を行い,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-10-31T16:51:40Z)
• 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)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• 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)
• Ultrasound Image Classification using ACGAN with Small Training Dataset [0.0]
  ディープラーニングモデルのトレーニングには大きなラベル付きデータセットが必要であるが、超音波画像では利用できないことが多い。 我々は、大規模データ拡張と転送学習の利点を組み合わせた、ジェネレーティブ・アドバイサル・ネットワーク(ACGAN)を利用する。 乳房超音波画像のデータセットを用いて,提案手法の有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2021-01-31T11:11:24Z)
• Transducer Adaptive Ultrasound Volume Reconstruction [17.19369561039399]
  フリーハンド2Dスキャンによる3Dボリューム再構成は、特に外部追跡装置を使わずに、非常に難しい問題である。 近年の深層学習に基づく手法は,連続する超音波フレーム間のフレーム間移動を直接推定する可能性を示している。 本稿では、異なるトランスデューサで取得したデータにディープラーニングアルゴリズムを適用するための新しいドメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2020-11-17T04:46:57Z)

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。