論文の概要: OpenBreastUS: Benchmarking Neural Operators for Wave Imaging Using Breast Ultrasound Computed Tomography
- arxiv url: http://arxiv.org/abs/2507.15035v1
- Date: Sun, 20 Jul 2025 16:36:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.166881
- Title: OpenBreastUS: Benchmarking Neural Operators for Wave Imaging Using Breast Ultrasound Computed Tomography
- Title（参考訳）: OpenBreastUS:乳房超音波CTを用いた波動イメージングのためのベンチマークニューラルネットワーク
- Authors: Zhijun Zeng, Youjia Zheng, Hao Hu, Zeyuan Dong, Yihang Zheng, Xinliang Liu, Jinzhuo Wang, Zuoqiang Shi, Linfeng Zhang, Yubing Li, He Sun,
- Abstract要約: 提案するOpenBreastUSは,理論方程式と実用画像のギャップを埋めるために設計された大規模波動方程式データセットである。
OpenBreastUSには8,000個の解剖学的に現実的なヒト乳房ファントムと、実際のUSCT構成を用いた1600万以上の周波数領域の波動シミュレーションが含まれている。
神経オペレーターソルバを用いたヒト乳房の効率的な生体内イメージングを初めて行った。
- 参考スコア（独自算出の注目度）: 16.565099859866447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate and efficient simulation of wave equations is crucial in computational wave imaging applications, such as ultrasound computed tomography (USCT), which reconstructs tissue material properties from observed scattered waves. Traditional numerical solvers for wave equations are computationally intensive and often unstable, limiting their practical applications for quasi-real-time image reconstruction. Neural operators offer an innovative approach by accelerating PDE solving using neural networks; however, their effectiveness in realistic imaging is limited because existing datasets oversimplify real-world complexity. In this paper, we present OpenBreastUS, a large-scale wave equation dataset designed to bridge the gap between theoretical equations and practical imaging applications. OpenBreastUS includes 8,000 anatomically realistic human breast phantoms and over 16 million frequency-domain wave simulations using real USCT configurations. It enables a comprehensive benchmarking of popular neural operators for both forward simulation and inverse imaging tasks, allowing analysis of their performance, scalability, and generalization capabilities. By offering a realistic and extensive dataset, OpenBreastUS not only serves as a platform for developing innovative neural PDE solvers but also facilitates their deployment in real-world medical imaging problems. For the first time, we demonstrate efficient in vivo imaging of the human breast using neural operator solvers.
- Abstract（参考訳）: 超音波CT(USCT)のような散乱波から組織材料特性を再構成する計算波画像の応用においては,波動方程式の高精度かつ効率的なシミュレーションが重要である。
従来の数値解法は計算集約的であり、しばしば不安定であり、準リアルタイム画像再構成の実践的応用を制限している。
ニューラル演算子は、ニューラルネットワークを使用してPDE解決を高速化する革新的なアプローチを提供するが、既存のデータセットが現実の複雑さを過度に単純化するため、現実的なイメージングにおけるそれらの有効性は限られている。
本稿では,理論方程式と実測画像のギャップを埋めるための大規模波動方程式データセットOpenBreastUSを提案する。
OpenBreastUSには8,000個の解剖学的に現実的なヒト乳房ファントムと、実際のUSCT構成を用いた1600万以上の周波数領域の波動シミュレーションが含まれている。
これは、フォワードシミュレーションと逆イメージングタスクの両方に人気のあるニューラル演算子の包括的なベンチマークを可能にし、パフォーマンス、スケーラビリティ、一般化機能の解析を可能にする。
現実的で広範なデータセットを提供することで、OpenBreastUSは革新的なニューラルネットワークPDEソルバを開発するためのプラットフォームとして機能するだけでなく、現実の医療画像問題への展開を促進する。
神経オペレーターソルバを用いたヒト乳房の効率的な生体内イメージングを初めて行った。
関連論文リスト
- Domain-randomized deep learning for neuroimage analysis [0.7252027234425334]
本チュートリアルでは,合成駆動学習パラダイムの原理,実装,および可能性について概説する。
これは、一般化の改善やオーバーフィッティングに対する抵抗といった重要な利点を強調し、計算要求の増加などのトレードオフについて議論している。
論文 参考訳（メタデータ） (2025-07-17T18:07:42Z) - Deep Guess acceleration for explainable image reconstruction in sparse-view CT [0.0]
スパースビューCT(Sparse-view Computed)は、医療画像における放射線線量を減らすために設計された新しいプロトコルである。
従来のフィルタバックプロジェクションの復元は、スパースデータによる深刻なアーティファクトに悩まされている。
対照的に、モデルベース反復再建(MBIR)は、臨床的使用には計算コストがかかりすぎる。
論文 参考訳（メタデータ） (2024-12-02T16:49:42Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。
我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Self-Supervised Speed of Sound Recovery for Aberration-Corrected Photoacoustic Computed Tomography [5.561325645559409]
光音響CT(PACT)は、超音波と同様の非侵襲的な画像モダリティであり、広範囲の医療応用がある。
組織中の異種音速(SOS)による波面歪みの測定は困難であり,既存の関節再建法は計算コストがかかる。
本稿では,SOSと高画質画像を微分可能物理モデルを用いて復元する,効率的な自己教師型共同再構成手法を提案する。
論文 参考訳（メタデータ） (2024-09-17T04:11:20Z) - 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) - Neural Born Series Operator for Biomedical Ultrasound Computed
Tomography [8.274844933135865]
本稿では,波動シミュレーションの高速化を目的とした新技術であるNeural Born Series Operator (NBSO)を紹介する。
NBSOは前方シミュレーションと画像再構成の両方において正確かつ効率的であることが証明されている。
この進歩は、ニューラルオペレーターがほぼリアルタイムでUSCT再建を促進する可能性を示し、USCTの臨床応用がますます有効で有望になる。
論文 参考訳（メタデータ） (2023-12-25T01:06:31Z) - Neural Operators for Accelerating Scientific Simulations and Design [85.89660065887956]
Neural Operatorsとして知られるAIフレームワークは、継続的ドメインで定義された関数間のマッピングを学習するための原則的なフレームワークを提供する。
ニューラルオペレータは、計算流体力学、天気予報、物質モデリングなど、多くのアプリケーションで既存のシミュレータを拡張または置き換えることができる。
論文 参考訳（メタデータ） (2023-09-27T00:12:07Z) - 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) - 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) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳（メタデータ） (2022-03-28T14:03:45Z) - Data-driven generation of plausible tissue geometries for realistic
photoacoustic image synthesis [53.65837038435433]
光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。
我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。
我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
論文 参考訳（メタデータ） (2021-03-29T11:30:18Z) - CNN-Based Image Reconstruction Method for Ultrafast Ultrasound Imaging [9.659642285903418]
超高速超音波(US)は、フルビューフレームを1kHz以上で取得できるバイオメディカルイメージングに革命をもたらした。
強い回折アーチファクトに悩まされ、主に格子状葉、サイドローブ、エッジウェーブによって引き起こされる。
本稿では,2段階の畳み込みニューラルネットワーク(CNN)を用いた画像再構成手法を提案する。
論文 参考訳（メタデータ） (2020-08-28T17:15:37Z) - Training Variational Networks with Multi-Domain Simulations:
Speed-of-Sound Image Reconstruction [5.47832435255656]
変分ネットワーク(VN)は画像再構成における逆問題を最適化するための学習に基づく潜在的アプローチであることが示されている。
本稿では,従来のトランスデューサと単側組織アクセスを用いたパルスエコーSoS画像再構成問題に対するVNソリューションを初めて提示する。
提案手法とマルチソースドメイントレーニングを組み合わせることで,VNのドメイン適応能力を大幅に向上することを示す。
論文 参考訳（メタデータ） (2020-06-25T13:32:08Z)
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。