論文の概要: Deep Learning-Based Semantic Segmentation for Real-Time Kidney Imaging and Measurements with Augmented Reality-Assisted Ultrasound
- arxiv url: http://arxiv.org/abs/2506.23721v1
- Date: Mon, 30 Jun 2025 10:49:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:54.024895
- Title: Deep Learning-Based Semantic Segmentation for Real-Time Kidney Imaging and Measurements with Augmented Reality-Assisted Ultrasound
- Title（参考訳）: リアルタイムキドニーイメージングのための深層学習に基づくセマンティックセマンティックセグメンテーションと拡張現実支援超音波による計測
- Authors: Gijs Luijten, Roberto Maria Scardigno, Lisle Faray de Paiva, Peter Hoyer, Jens Kleesiek, Domenico Buongiorno, Vitoantonio Bevilacqua, Jan Egger,
- Abstract要約: リアルタイム(RT)自動腎臓容積測定のための,ディープラーニング(DL)に基づくセマンティックセグメンテーションを統合した。
拡張現実(AR)は、臨床医の視野に直接ディスプレイを投影することにより、超音波(US)のユーザビリティを高める。
オープンソースのGitHubパイプラインには、モデル実装、測定アルゴリズム、Wi-Fiベースのストリーミングソリューションが含まれています。
- 参考スコア（独自算出の注目度）: 1.7713240943169457
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Ultrasound (US) is widely accessible and radiation-free but has a steep learning curve due to its dynamic nature and non-standard imaging planes. Additionally, the constant need to shift focus between the US screen and the patient poses a challenge. To address these issues, we integrate deep learning (DL)-based semantic segmentation for real-time (RT) automated kidney volumetric measurements, which are essential for clinical assessment but are traditionally time-consuming and prone to fatigue. This automation allows clinicians to concentrate on image interpretation rather than manual measurements. Complementing DL, augmented reality (AR) enhances the usability of US by projecting the display directly into the clinician's field of view, improving ergonomics and reducing the cognitive load associated with screen-to-patient transitions. Two AR-DL-assisted US pipelines on HoloLens-2 are proposed: one streams directly via the application programming interface for a wireless setup, while the other supports any US device with video output for broader accessibility. We evaluate RT feasibility and accuracy using the Open Kidney Dataset and open-source segmentation models (nnU-Net, Segmenter, YOLO with MedSAM and LiteMedSAM). Our open-source GitHub pipeline includes model implementations, measurement algorithms, and a Wi-Fi-based streaming solution, enhancing US training and diagnostics, especially in point-of-care settings.
- Abstract（参考訳）: 超音波(US)は広くアクセス可能で、放射能のないが、ダイナミックな性質と非標準イメージング平面のために学習曲線が急勾配である。
さらに、米国のスクリーンと患者に焦点を移す必要があることは、課題となる。
これらの課題に対処するために、我々は、リアルタイム(RT)自動腎臓容積測定のためのディープラーニング(DL)ベースのセマンティックセグメンテーションを統合する。
この自動化により、臨床医は手動測定よりも画像解釈に集中することができる。
補完的なDL、拡張現実(AR)は、ディスプレイを臨床医の視野に直接投影し、エルゴノミクスを改善し、スクリーンから患者への遷移に伴う認知負荷を減らすことで、米国のユーザビリティを高める。
HoloLens-2上の2つのAR-DL支援USパイプラインが提案されている。一方は、無線セットアップのためにアプリケーションプログラミングインターフェース経由で直接ストリームし、もう一方は、より広範なアクセシビリティのためにビデオ出力を持つ任意の米国デバイスをサポートする。
我々は,Open Kidney Datasetとオープンソースセグメンテーションモデル(nU-Net, Segmenter, YOLO with MedSAM, LiteMedSAM)を用いてRTの実現可能性と精度を評価する。
当社のオープンソースのGitHubパイプラインには、モデル実装、測定アルゴリズム、Wi-Fiベースのストリーミングソリューションが含まれています。
関連論文リスト
- EasyREG: Easy Depth-Based Markerless Registration and Tracking using Augmented Reality Device for Surgical Guidance [10.156036566483888]
我々はARデバイスの奥行きセンサーのみに依存するマーカーレスフレームワークを提案する。
登録モジュールは、深度センサの誤差補正、Human-in-the-loop領域フィルタリング技術、ロバストなグローバルアライメントを統合する。
トラッキングモジュールは高速で堅牢な登録アルゴリズムを使用し、登録モジュールの初期ポーズを使用して、ターゲットのポーズをリアルタイムで推定する。
論文 参考訳（メタデータ） (2025-04-13T09:48:33Z) - MEDDAP: Medical Dataset Enhancement via Diversified Augmentation Pipeline [1.4910709350090976]
我々はMEDDAPと呼ばれる新しいパイプラインを導入し、新しい情報付きラベル付きサンプルを自動生成することで、既存の小さなデータセットを拡張する。
USLoRAはSD内の重量を選択的に微調整することができ、SDのUNet部分のみを完全微調整するのに対し、パラメータは0.1%未満である。
このアプローチは、乳がんに関する臨床医の意思決定プロセスに触発され、腫瘍の形状が強度よりも重要な役割を担っていることが多い。
論文 参考訳（メタデータ） (2024-03-25T00:17:43Z) - 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) - Training-free image style alignment for self-adapting domain shift on
handheld ultrasound devices [54.476120039032594]
本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。
TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
論文 参考訳（メタデータ） (2024-02-17T07:15:23Z) - Clairvoyance: A Pipeline Toolkit for Medical Time Series [95.22483029602921]
時系列学習は、データ駆動の*クリニカルな意思決定支援のパンとバターである*
Clairvoyanceは、ソフトウェアツールキットとして機能する、統合されたエンドツーエンドのオートMLフレンドリなパイプラインを提案する。
Clairvoyanceは、臨床時系列MLのための包括的で自動化可能なパイプラインの生存可能性を示す最初のものである。
論文 参考訳（メタデータ） (2023-10-28T12:08:03Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Unsupervised multi-latent space reinforcement learning framework for
video summarization in ultrasound imaging [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、超音波スキャンのトリアージを高速化するツールの必要性を強調している。
提案手法は,この方向への一歩である。
そこで我々は,新しい報酬を伴う教師なし強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-03T04:50:35Z) - SurgeonAssist-Net: Towards Context-Aware Head-Mounted Display-Based
Augmented Reality for Surgical Guidance [18.060445966264727]
SurgeonAssist-Netは、アクション・アンド・ワークフロー駆動の仮想アシストを、市販の光学シースルーヘッドマウントディスプレイ(OST-HMD)に利用できるようにするフレームワークである。
本実装は,タスクの自動認識のための予測精度において,最先端の手法と競合する。
これはMicrosoft HoloLens 2 OST-HMD上でほぼリアルタイムで動作することができる。
論文 参考訳（メタデータ） (2021-07-13T21:12:34Z) - One to Many: Adaptive Instrument Segmentation via Meta Learning and
Dynamic Online Adaptation in Robotic Surgical Video [71.43912903508765]
MDALは、ロボット支援手術における機器セグメンテーションのための動的オンライン適応学習スキームです。
ビデオ固有のメタ学習パラダイムを通じて、楽器の一般的な知識と高速適応能力を学ぶ。
2つのデータセットで他の最先端のメソッドよりも優れています。
論文 参考訳（メタデータ） (2021-03-24T05:02:18Z)
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。