論文の概要: Decision-based AI Visual Navigation for Cardiac Ultrasounds
- arxiv url: http://arxiv.org/abs/2504.12535v1
- Date: Wed, 16 Apr 2025 23:54:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-18 14:38:42.155733
- Title: Decision-based AI Visual Navigation for Cardiac Ultrasounds
- Title（参考訳）: 心エコーのための決定型AIビジュアルナビゲーション
- Authors: Andy Dimnaku, Dominic Yurk, Zhiyuan Gao, Arun Padmanabhan, Mandar Aras, Yaser Abu-Mostafa,
- Abstract要約: 本稿では、心臓の下大静脈(IVC)を特定するための意思決定モデルに基づいて、新しいAIナビゲーションシステムを示す。
基礎となるモデルは、学習した特徴表現を利用して、ITVの空間的位置をリアルタイムでアノテートする新しいローカライゼーションアルゴリズムを統合する。
我々のモデルは、従来の高品質の病院用超音波ビデオに強いローカライゼーション性能を示し、より安価なButterfly iQハンドヘルド超音波マシンの低品質超音波ビデオに印象的なゼロショット性能を示す。
- 参考スコア（独自算出の注目度）: 0.7825791212345073
- License:
- Abstract: Ultrasound imaging of the heart (echocardiography) is widely used to diagnose cardiac diseases. However, obtaining an echocardiogram requires an expert sonographer and a high-quality ultrasound imaging device, which are generally only available in hospitals. Recently, AI-based navigation models and algorithms have been used to aid novice sonographers in acquiring the standardized cardiac views necessary to visualize potential disease pathologies. These navigation systems typically rely on directional guidance to predict the necessary rotation of the ultrasound probe. This paper demonstrates a novel AI navigation system that builds on a decision model for identifying the inferior vena cava (IVC) of the heart. The decision model is trained offline using cardiac ultrasound videos and employs binary classification to determine whether the IVC is present in a given ultrasound video. The underlying model integrates a novel localization algorithm that leverages the learned feature representations to annotate the spatial location of the IVC in real-time. Our model demonstrates strong localization performance on traditional high-quality hospital ultrasound videos, as well as impressive zero-shot performance on lower-quality ultrasound videos from a more affordable Butterfly iQ handheld ultrasound machine. This capability facilitates the expansion of ultrasound diagnostics beyond hospital settings. Currently, the guidance system is undergoing clinical trials and is available on the Butterfly iQ app.
- Abstract（参考訳）: 心疾患の診断には心エコー(心エコー)が広く用いられている。
しかし、心エコー検査は専門のソノグラフィーと高画質の超音波イメージング装置を必要とするため、一般的に病院でしか利用できない。
近年、AIベースのナビゲーションモデルとアルゴリズムは、潜在的な疾患の病理を可視化するために必要な標準化された心臓ビューを取得する際に、初心者のソノグラフィーを支援するために使用されている。
これらのナビゲーションシステムは、通常、超音波プローブの回転を予測するために方向指示に依存する。
本稿では、心臓の下大静脈(IVC)を特定するための意思決定モデルに基づいて、新しいAIナビゲーションシステムを示す。
決定モデルは、心エコービデオを用いてオフラインで訓練され、各超音波ビデオにITVが存在するかどうかを二分分類を用いて判定する。
基礎となるモデルは、学習した特徴表現を利用して、ITVの空間的位置をリアルタイムでアノテートする新しいローカライゼーションアルゴリズムを統合する。
我々のモデルは、従来の高品質の病院用超音波ビデオに強いローカライゼーション性能を示し、より安価なButterfly iQハンドヘルド超音波マシンから低品質の超音波ビデオに印象的なゼロショット性能を示す。
この能力は、病院設定を超えて超音波診断を拡大するのに役立つ。
現在、このガイダンスシステムは臨床試験中であり、Butterfly iQアプリで利用できる。
関連論文リスト
- EchoPrime: A Multi-Video View-Informed Vision-Language Model for Comprehensive Echocardiography Interpretation [1.0840985826142429]
私たちは、1200万以上のビデオレポートペアでトレーニングされた、マルチビュー、ビューインフォームド、ビデオベースの視覚言語基盤モデルであるEchoPrimeを紹介します。
検索強化された解釈により、EchoPrimeはすべてのエコー心エコービデオから情報を総合的な研究に統合する。
2つの独立した医療システムからのデータセットでは、EchoPrimeは23種類の心臓形態と機能のベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-10-13T03:04:22Z) - Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。
本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。
中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。
実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
論文 参考訳（メタデータ） (2024-06-19T02:42:29Z) - Generative Adversarial Networks in Ultrasound Imaging: Extending Field of View Beyond Conventional Limits [1.6588671405657123]
TTE超音波イメージングは、特に視野(FoV)と解像度のトレードオフなど、固有の限界に直面している。
本稿では,条件付きジェネレーティブ・アドバイザリ・ネットワーク(cGAN)の新たな応用について紹介する。
提案したcGANアーキテクチャーはエコーGANと呼ばれ、アウトペイントにより現実的な解剖学的構造を生成する能力を示す。
論文 参考訳（メタデータ） (2024-05-31T16:26:30Z) - Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets [2.0286377328378737]
心臓病は、人間の機能不全の主な原因だ。WHOによると、心臓病のために毎年約1800万人が死亡している。
本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案する。
論文 参考訳（メタデータ） (2024-04-30T14:16:45Z) - Automatic nodule identification and differentiation in ultrasound videos
to facilitate per-nodule examination [12.75726717324889]
ソノグラフィーは通常、結節の特徴と周囲の構造を調べることによって異なる結節を識別する。
我々は,入力ビデオクリップから特徴ベクトルを抽出できるディープラーニングモデルに基づく抽出器と,結節によって特徴ベクトルを自動的にグループ化するリアルタイムクラスタリングアルゴリズムの2つの部分からなる再同定システムを構築した。
論文 参考訳（メタデータ） (2023-10-10T06:20:14Z) - 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) - An Automatic Guidance and Quality Assessment System for Doppler Imaging
of Umbilical Artery [2.4626113631507893]
経験豊富なソノグラフィーの不足は、機械支援の需要を生み出した。
本研究では,このギャップを埋める自動システムを提案する。
国立超音波検診データベースから得られた657枚の画像に対して,本システムの有効性を検証した。
論文 参考訳（メタデータ） (2023-04-11T19:26:32Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - 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) - 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)
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。