論文の概要: OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography

• arxiv url: http://arxiv.org/abs/2505.12261v1
• Date: Sun, 18 May 2025 06:56:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.127615
• Title: OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography
• Title（参考訳）: OpenPros: 限定ビュー前立腺超音波CTのための大規模データセット
• Authors: Hanchen Wang, Yixuan Wu, Yinan Feng, Peng Jin, Shihang Feng, Yiming Mao, James Wiskin, Baris Turkbey, Peter A. Pinto, Bradford J. Wood, Songting Luo, Yinpeng Chen, Emad Boctor, Youzuo Lin,
• Abstract要約: 前立腺癌は男性の中で最も一般的で致命的ながんの1つである。 従来の経直腸超音波検査は、特に前立腺腫瘍の検出において、感度が低い。 OpenProsは、限定ビューのUSCT用に明示的に開発された最初の大規模ベンチマークデータセットである。
• 参考スコア（独自算出の注目度）: 25.844490531325537
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prostate cancer is one of the most common and lethal cancers among men, making its early detection critically important. Although ultrasound imaging offers greater accessibility and cost-effectiveness compared to MRI, traditional transrectal ultrasound methods suffer from low sensitivity, especially in detecting anteriorly located tumors. Ultrasound computed tomography provides quantitative tissue characterization, but its clinical implementation faces significant challenges, particularly under anatomically constrained limited-angle acquisition conditions specific to prostate imaging. To address these unmet needs, we introduce OpenPros, the first large-scale benchmark dataset explicitly developed for limited-view prostate USCT. Our dataset includes over 280,000 paired samples of realistic 2D speed-of-sound (SOS) phantoms and corresponding ultrasound full-waveform data, generated from anatomically accurate 3D digital prostate models derived from real clinical MRI/CT scans and ex vivo ultrasound measurements, annotated by medical experts. Simulations are conducted under clinically realistic configurations using advanced finite-difference time-domain and Runge-Kutta acoustic wave solvers, both provided as open-source components. Through comprehensive baseline experiments, we demonstrate that state-of-the-art deep learning methods surpass traditional physics-based approaches in both inference efficiency and reconstruction accuracy. Nevertheless, current deep learning models still fall short of delivering clinically acceptable high-resolution images with sufficient accuracy. By publicly releasing OpenPros, we aim to encourage the development of advanced machine learning algorithms capable of bridging this performance gap and producing clinically usable, high-resolution, and highly accurate prostate ultrasound images. The dataset is publicly accessible at https://open-pros.github.io/.
• Abstract（参考訳）: 前立腺癌は、男性の中で最も一般的で致命的ながんの1つであり、早期発見は極めて重要である。 超音波画像はMRIと比較してアクセシビリティと費用対効果が高いが、従来の経直腸超音波法は特に前立腺腫瘍の検出において低感度に悩まされている。 超音波CTは組織を定量的に解析するが、特に前立腺画像に特有の解剖学的に制限された限られた角度取得条件下では、その臨床的実装は重大な課題に直面している。 このような未成熟なニーズに対処するために,我々は,限定ビューのUSCT用に明示的に開発された最初の大規模ベンチマークデータセットであるOpenProsを紹介した。 実際のMRI/CTスキャンから得られた解剖学的に正確な3Dディジタル前立腺モデルと,医療専門家の注記による生体外超音波測定から得られた,280,000以上の実時間2次元音速(SOS)ファントムとそれに対応する超音波フルウェーブフォームデータを含む。 有限差分時間領域とランゲ・クッタ音響波解法をオープンソースコンポーネントとして利用して,臨床的に現実的な構成でシミュレーションを行う。 総合的なベースライン実験を通じて、推論効率と再現精度の両方において、最先端のディープラーニング手法が従来の物理学に基づくアプローチを超越していることを示す。 しかし、現在のディープラーニングモデルは、十分な精度で臨床的に許容できる高解像度画像を提供するには至っていない。 OpenProsを一般公開することで、このパフォーマンスギャップを埋めて、臨床的に有用で高解像度で高精度な前立腺超音波画像を生成する高度な機械学習アルゴリズムの開発を促進することを目指している。 データセットはhttps://open-pros.github.io/で公開されている。

関連論文リスト

• UltraGauss: Ultrafast Gaussian Reconstruction of 3D Ultrasound Volumes [15.02330703285484]
  2D-to-3D再構成は、しばしば計算コストが高く、メモリ集約的であり、超音波物理と相容れない。 UltraGauss - 超音波波伝搬にビュー合成技術を拡張した最初の超音波特異的ガウス平滑化フレームワーク。 実際の臨床超音波データでは、UltraGaussは最先端の再建を5分で達成し、1枚の画像で0.99 SSIMに達する。
  論文  参考訳（メタデータ） (2025-05-08T20:53:47Z)
• 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)
• 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)
• 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)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Investigating Pulse-Echo Sound Speed Estimation in Breast Ultrasound with Deep Learning [44.70495434283752]
  In-phase および quadrature の超音波信号から音速を推定する深層学習手法を提案する。 準現実性乳房組織を生成する大規模超音波データセットを開発した。 シミュレーション,ファントム,乳房内超音波データを用いたモデルの評価を行った。
  論文  参考訳（メタデータ） (2023-02-06T19:02:44Z)
• 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)
• Towards Confident Detection of Prostate Cancer using High Resolution Micro-ultrasound [7.826781688190151]
  経直腸超音波ガイド下生検における前立腺癌の診断は困難である。 マイクロ超音波による高周波超音波イメージングの最近の進歩は、高分解能で組織イメージングの能力を劇的に高めている。 本研究の目的は,マイクロ超音波ガイド下前立腺癌生検を対象とする,堅牢な深層学習モデルの開発である。
  論文  参考訳（メタデータ） (2022-07-21T14:00:00Z)
• 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。