論文の概要: Automated ultrasound doppler angle estimation using deep learning

• arxiv url: http://arxiv.org/abs/2508.04243v1
• Date: Wed, 06 Aug 2025 09:28:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.653104
• Title: Automated ultrasound doppler angle estimation using deep learning
• Title（参考訳）: 深層学習を用いた超音波ドップラー角の自動推定
• Authors: Nilesh Patil, Ajay Anand,
• Abstract要約: 不正確な角度推定はドップラー法に基づく血流測定における誤差の主要な原因である。 本稿では,自動ドップラー角推定のためのディープラーニングに基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Angle estimation is an important step in the Doppler ultrasound clinical workflow to measure blood velocity. It is widely recognized that incorrect angle estimation is a leading cause of error in Doppler-based blood velocity measurements. In this paper, we propose a deep learning-based approach for automated Doppler angle estimation. The approach was developed using 2100 human carotid ultrasound images including image augmentation. Five pre-trained models were used to extract images features, and these features were passed to a custom shallow network for Doppler angle estimation. Independently, measurements were obtained by a human observer reviewing the images for comparison. The mean absolute error (MAE) between the automated and manual angle estimates ranged from 3.9{\deg} to 9.4{\deg} for the models evaluated. Furthermore, the MAE for the best performing model was less than the acceptable clinical Doppler angle error threshold thus avoiding misclassification of normal velocity values as a stenosis. The results demonstrate potential for applying a deep-learning based technique for automated ultrasound Doppler angle estimation. Such a technique could potentially be implemented within the imaging software on commercial ultrasound scanners.
• Abstract（参考訳）: アングル推定は超音波ドプラ法における血流速度測定における重要なステップである。 ドップラー法に基づく血流測定では,誤角推定が誤差の主な原因であると広く認識されている。 本稿では,自動ドップラー角推定のための深層学習手法を提案する。 この手法は、画像拡張を含む2100個のヒト頸動脈超音波画像を用いて開発された。 5つの事前訓練されたモデルを用いて画像の特徴を抽出し、これらの特徴はドップラー角推定のためにカスタムな浅層ネットワークに渡された。 独立して、比較のために画像をレビューする人間の観察者によって測定結果が得られた。 自動角度推定と手動角度推定の間の平均絶対誤差(MAE)は、評価されたモデルに対して3.9{\deg}から9.4{\deg}まで変化した。 さらに, 正常な速度値の誤分類を回避できるため, 最高の性能モデルに対するMAEは, 許容範囲のドップラー角誤差閾値よりも低かった。 以上の結果から,超音波探傷角の自動推定にディープラーニングを用いた手法を適用する可能性が示唆された。 このような技術は、商用超音波スキャナーの撮像ソフトウェアに実装される可能性がある。

関連論文リスト

• 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)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• 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)
• 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)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• Automatic spinal curvature measurement on ultrasound spine images using Faster R-CNN [26.41810438716421]
  本研究の目的は、脊椎ラミナを検出するためのFaster R-CNNに基づく完全な自動フレームワークを構築することである。 本フレームワークは,1) 超音波コロナ画像上で各ラミナ対を同定・位置決めするラミナ検出器,2) 脊柱曲率推定器の2つの密接な連結モジュールから構成された。
  論文  参考訳（メタデータ） (2022-04-17T12:09:29Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• 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)
• Fully Automated Mitral Inflow Doppler Analysis Using Deep Learning [0.0]
  エコー法で取得したMIドップラー画像のラベル付けに深層学習を利用する完全自動化ワークフローを提案する。 MIドップラー画像を含む24種類の画像クラスを予測するため,140例の5544画像に対して,様々な畳み込みニューラルネットワーク(CNN)モデルを訓練した。
  論文  参考訳（メタデータ） (2020-11-24T22:27:14Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)

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。