論文の概要: 3DFETUS: Standardizing Fetal Facial Planes in 3D Ultrasound
- arxiv url: http://arxiv.org/abs/2511.10412v1
- Date: Fri, 14 Nov 2025 01:50:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-14 22:53:22.859466
- Title: 3DFETUS: Standardizing Fetal Facial Planes in 3D Ultrasound
- Title（参考訳）: 3DFETUS:3次元超音波における胎児顔面面の標準化
- Authors: Alomar Antonia, Rubio Ricardo, Albaiges Gerard, Salort-Benejam Laura, Caminal Julia, Prat Maria, Rueda Carolina, Cortes Berta, Piella Gemma, Sukno Federico,
- Abstract要約: 我々は,注釈付き解剖学的ランドマークを用いて,標準的な顔面を3DUSボリュームから推定する頑健なアルゴリズムであるGT++と,その3DUSボリュームのローカライゼーションを自動化するディープラーニングモデルである3DFETUSを提案する。
提案手法は平均翻訳誤差4.13mmと平均回転誤差7.93°を達成し、3DUSボリュームの他の最先端手法よりも優れていた。
- 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: Acquiring standard facial planes during routine fetal ultrasound (US) examinations is often challenging due to fetal movement, variability in orientation, and operator-dependent expertise. These factors contribute to inconsistencies, increased examination time, and potential diagnostic bias. To address these challenges in the context of facial assessment, we present: 1) GT++, a robust algorithm that estimates standard facial planes from 3D US volumes using annotated anatomical landmarks; and 2) 3DFETUS, a deep learning model that automates and standardizes their localization in 3D fetal US volumes. We evaluated our methods both qualitatively, through expert clinical review, and quantitatively. The proposed approach achieved a mean translation error of 4.13 mm and a mean rotation error of 7.93 degrees per plane, outperforming other state-of-the-art methods on 3D US volumes. Clinical assessments further confirmed the effectiveness of both GT++ and 3DFETUS, demonstrating statistically significant improvements in plane estimation accuracy.
- Abstract（参考訳）: 通常の胎児超音波検査における顔面の取得は、胎児の移動、方向の変動、および操作者に依存した専門性のためにしばしば困難である。
これらの要因は、矛盾、検査時間の増加、潜在的な診断バイアスに寄与する。
顔のアセスメントの文脈でこれらの課題に対処するために、我々は以下のことを提示する。
1GT++は、注釈付き解剖学的ランドマークを用いて3DUSボリュームから標準的な顔面を推定する頑健なアルゴリズムである。
2) 3DFETUSは, 3D fetal US ボリュームでのローカライゼーションの自動化と標準化を行うディープラーニングモデルである。
本手法の質的評価,専門的臨床評価,定量的評価を行った。
提案手法は平均翻訳誤差4.13mmと平均回転誤差7.93°を達成し、3DUSボリュームの他の最先端手法よりも優れていた。
さらに,GT++と3DFETUSの有効性を確認し,平面推定精度の統計的に有意な改善を示した。
関連論文リスト
- Uncertainty-aware Diffusion and Reinforcement Learning for Joint Plane Localization and Anomaly Diagnosis in 3D Ultrasound [10.077773137636276]
先天性子宮奇形(CUA)は不妊、流産、妊娠前出生、妊娠合併症のリスクの増加につながる。
本稿では,自動航空機位置推定とCUA診断を同時に行うインテリジェントシステムを提案する。
論文 参考訳（メタデータ） (2025-06-30T06:07:41Z) - Towards Zero-shot 3D Anomaly Localization [58.62650061201283]
3DzALは3D異常検出とローカライゼーションのためのパッチレベルの新しいコントラスト学習フレームワークである。
3DzALは最先端の異常検出および局所化性能より優れていることを示す。
論文 参考訳（メタデータ） (2024-12-05T16:25:27Z) - Automatic facial axes standardization of 3D fetal ultrasound images [1.5137042635499263]
本研究は, 3D USにおける胎児の顔面軸/平面の標準化に, 臨床医を支援するAI駆動型ツールを提案する。
使用するデータセットは、妊娠20週から35週の間に取得された、胎児の顔の3D画像1180枚で構成されている。
論文 参考訳（メタデータ） (2024-09-04T15:45:32Z) - CatFree3D: Category-agnostic 3D Object Detection with Diffusion [63.75470913278591]
本稿では,2次元検出と深度予測から3次元検出を分離するパイプラインを提案する。
また,3次元検出結果の正確な評価のために,正規化ハンガリー距離(NHD)指標も導入した。
論文 参考訳（メタデータ） (2024-08-22T22:05:57Z) - Ultrasound Plane Pose Regression: Assessing Generalized Pose Coordinates
in the Fetal Brain [9.465965149145559]
我々は,センサを付加することなく,3次元可視化,トレーニング,ガイダンスのための米国の航空機ローカライゼーションシステムを構築することを目指している。
この研究は、胎児の脳をスライスする米国飛行機の6次元(6次元)のポーズを予測する、これまでの研究に基づいています。
トレーニングおよびテストデータにおける登録品質の影響とその後のトレーニングモデルへの影響について検討する。
論文 参考訳（メタデータ） (2023-01-19T21:16:36Z) - Agent with Tangent-based Formulation and Anatomical Perception for
Standard Plane Localization in 3D Ultrasound [56.7645826576439]
3D USにおけるSP自動位置決めのための新しい強化学習フレームワークを提案する。
まず、RLにおける接点に基づく問題として、3D USにおけるSP局所化を定式化し、作用空間を再構成する。
第2に、平面探索における非SPとSPの交差する微妙な違いを認識するモデルの能力を高めるための補助的タスク学習戦略を設計する。
論文 参考訳（メタデータ） (2022-07-01T14:53:27Z) - Statistical Dependency Guided Contrastive Learning for Multiple Labeling
in Prenatal Ultrasound [56.631021151764955]
標準平面認識は出生前超音波(US)スクリーニングにおいて重要な役割を担っている。
我々は,複数の標準平面と対応する解剖学的構造を同時に識別する,新しいマルチラベル学習手法を構築した。
論文 参考訳（メタデータ） (2021-08-11T06:39:26Z) - Cephalometric Landmark Regression with Convolutional Neural Networks on
3D Computed Tomography Data [68.8204255655161]
側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。
本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。
本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
論文 参考訳（メタデータ） (2020-07-20T12:45:38Z) - Agent with Warm Start and Active Termination for Plane Localization in
3D Ultrasound [56.14006424500334]
超音波(US)診断には標準面の局在が不可欠である。
出生前のアメリカでは、何十もの標準的な飛行機が手動で2Dプローブで取得される。
胎児脳標準平面を3DUSで自動的に局所化するための新しい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） (2019-10-10T02:21:52Z)
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。