論文の概要: DUSTrack: Semi-automated point tracking in ultrasound videos

• arxiv url: http://arxiv.org/abs/2507.14368v1
• Date: Fri, 18 Jul 2025 21:22:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:31.859718
• Title: DUSTrack: Semi-automated point tracking in ultrasound videos
• Title（参考訳）: DUSTrack:超音波ビデオにおける半自動点追跡
• Authors: Praneeth Namburi, Roger Pallarès-López, Jessica Rosendorf, Duarte Folgado, Brian W. Anthony,
• Abstract要約: この原稿は、Bモード超音波ビデオの任意の点を追跡するための半自動フレームワークであるDUSTrackを紹介している。 ディープラーニングと光フローを組み合わせて、さまざまな解剖構造や動きパターンをまたいだ高品質で堅牢なトラッキングを提供します。 オープンソースのソリューションとしてDUSTrackは、超音波ビデオから組織の動きを定量化するための、ポイントトラッキングのための強力で柔軟なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.559239450391449
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound technology enables safe, non-invasive imaging of dynamic tissue behavior, making it a valuable tool in medicine, biomechanics, and sports science. However, accurately tracking tissue motion in B-mode ultrasound remains challenging due to speckle noise, low edge contrast, and out-of-plane movement. These challenges complicate the task of tracking anatomical landmarks over time, which is essential for quantifying tissue dynamics in many clinical and research applications. This manuscript introduces DUSTrack (Deep learning and optical flow-based toolkit for UltraSound Tracking), a semi-automated framework for tracking arbitrary points in B-mode ultrasound videos. We combine deep learning with optical flow to deliver high-quality and robust tracking across diverse anatomical structures and motion patterns. The toolkit includes a graphical user interface that streamlines the generation of high-quality training data and supports iterative model refinement. It also implements a novel optical-flow-based filtering technique that reduces high-frequency frame-to-frame noise while preserving rapid tissue motion. DUSTrack demonstrates superior accuracy compared to contemporary zero-shot point trackers and performs on par with specialized methods, establishing its potential as a general and foundational tool for clinical and biomechanical research. We demonstrate DUSTrack's versatility through three use cases: cardiac wall motion tracking in echocardiograms, muscle deformation analysis during reaching tasks, and fascicle tracking during ankle plantarflexion. As an open-source solution, DUSTrack offers a powerful, flexible framework for point tracking to quantify tissue motion from ultrasound videos. DUSTrack is available at https://github.com/praneethnamburi/DUSTrack.
• Abstract（参考訳）: 超音波技術は、安全で非侵襲的な動的組織の挙動のイメージングを可能にし、医学、バイオメカニクス、スポーツ科学において貴重なツールとなる。 しかし、Bモード超音波における組織の動きを正確に追跡することは、スペックルノイズ、低エッジコントラスト、および外面運動のために難しいままである。 これらの課題は、多くの臨床および研究応用において組織動態の定量化に不可欠である解剖学的ランドマークを時間とともに追跡するタスクを複雑にしている。 この原稿は,Bモード超音波ビデオの任意の点を追跡するための半自動フレームワークであるDUSTrack (Deep Learning and Optical Flow-based Toolkit for UltraSound Tracking)を紹介している。 ディープラーニングと光学フローを組み合わせることで、さまざまな解剖構造や動きパターンをまたいだ高品質で堅牢なトラッキングを実現します。 このツールキットにはグラフィカルなユーザインタフェースが含まれており、高品質なトレーニングデータの生成を合理化し、反復的なモデルの洗練をサポートする。 また、高速な組織の動きを保ちながら、高周波のフレーム間ノイズを低減できる新しい光フローベースのフィルタリング技術も実装している。 DUSTrackは、現代のゼロショットポイントトラッカーよりも優れた精度を示し、専門的な手法と同等に機能し、臨床および生体力学的研究の一般的な基礎的ツールとしての可能性を確立している。 心エコー図における心壁運動追跡,手指伸展時の筋の変形解析,足関節屈曲時の筋力追跡の3例を用いて,DUSTrackの有用性を実証した。 オープンソースのソリューションとしてDUSTrackは、超音波ビデオから組織の動きを定量化するための、ポイントトラッキングのための強力で柔軟なフレームワークを提供する。 DUSTrackはhttps://github.com/praneethnamburi/DUSTrack.comで入手できる。

関連論文リスト

• Taming Modern Point Tracking for Speckle Tracking Echocardiography via Impartial Motion [0.686108371431346]
  本研究は, 超音波検査における最先端点追跡法の可能性について検討し, 心エコー検査に焦点をあてる。 実際のBモード超音波ビデオにおいて心臓の周期を通しての運動を解析することにより、方向運動バイアスが既存のトレーニング戦略に影響を与えていることを同定する。 偏見を低減し, 心臓運動による一般化とロバスト性の向上を図った。
  論文  参考訳（メタデータ） (2025-07-14T10:18:26Z)
• Efficient Motion Prompt Learning for Robust Visual Tracking [58.59714916705317]
  本稿では,軽量かつプラグアンドプレイなモーションプロンプトトラッキング手法を提案する。 既存の視覚ベースのトラッカーと簡単に統合して、共同トラッキングフレームワークを構築することができる。 7つのトラッキングベンチマークの実験により、提案したモーションモジュールは、視覚ベースのトラッカーのロバスト性を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-05-22T07:22:58Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• LiteTracker: Leveraging Temporal Causality for Accurate Low-latency Tissue Tracking [84.52765560227917]
  LiteTrackerは、内視鏡的ビデオストリームにおける組織追跡のための低遅延手法である。 LiteTrackerは最先端の長期追跡手法に基づいており、トレーニング不要なランタイム最適化のセットを導入している。
  論文  参考訳（メタデータ） (2025-04-14T05:53:57Z)
• MambaXCTrack: Mamba-based Tracker with SSM Cross-correlation and Motion Prompt for Ultrasound Needle Tracking [8.559434917518935]
  マンバをベースとした針追跡装置のMambaXCTrackが提案され, 針先端位置のフィードバックをUSイメージングにより提供する。 提案したトラッカーは、他の最先端トラッカーよりも優れ、アブレーション研究は、各トラッカーモジュールの有効性をさらに強調する。
  論文  参考訳（メタデータ） (2024-11-13T07:27:56Z)
• EchoTracker: Advancing Myocardial Point Tracking in Echocardiography [0.6263680699548959]
  EchoTrackerは、超音波画像シーケンスを横切る組織表面のクエリポイントの追跡を容易にする、2倍の粗い粒度モデルである。 実験の結果、平均位置精度は67%、中央軌道誤差は2.86ピクセルである。 このことは、学習に基づく点追跡がパフォーマンスを向上し、臨床測定において高い診断と予後の値が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-05-14T13:24:51Z)
• 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)
• Motion-Guided Dual-Camera Tracker for Endoscope Tracking and Motion Analysis in a Mechanical Gastric Simulator [5.073179848641095]
  運動誘導型デュアルカメラ・ビジョン・トラッカーは内視鏡先端の3次元位置の頑健かつ正確な追跡を実現するために提案される。 提案したトラッカーは、最先端のビジョントラッカーに対して優れた性能を示し、平均誤差と最大誤差において、第2ベット法に対して42%と72%の改善を達成している。
  論文  参考訳（メタデータ） (2024-03-08T08:31:46Z)
• 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)
• 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。