論文の概要: UltrasODM: A Dual Stream Optical Flow Mamba Network for 3D Freehand Ultrasound Reconstruction

• arxiv url: http://arxiv.org/abs/2512.07756v1
• Date: Mon, 08 Dec 2025 17:39:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.987717
• Title: UltrasODM: A Dual Stream Optical Flow Mamba Network for 3D Freehand Ultrasound Reconstruction
• Title（参考訳）: UltrasODM:3次元フリーハンド超音波再構成のためのデュアルストリーム光マンバネットワーク
• Authors: Mayank Anand, Ujair Alam, Surya Prakash, Priya Shukla, Gora Chand Nandi, Domenec Puig,
• Abstract要約: 我々は、フレーム単位の不確かさの校正、サリエンシに基づく診断、動作可能なプロンプトを通じて、ソノグラフィーの獲得を支援するデュアルストリームフレームワークであるUltrasODMを提案する。 UltrasODMはドリフトを15.2%減らし、距離誤差を12.1%減らし、ハウスドルフ距離を10.1%減らした。
• 参考スコア（独自算出の注目度）: 4.389388281549045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical ultrasound acquisition is highly operator-dependent, where rapid probe motion and brightness fluctuations often lead to reconstruction errors that reduce trust and clinical utility. We present UltrasODM, a dual-stream framework that assists sonographers during acquisition through calibrated per-frame uncertainty, saliency-based diagnostics, and actionable prompts. UltrasODM integrates (i) a contrastive ranking module that groups frames by motion similarity, (ii) an optical-flow stream fused with Dual-Mamba temporal modules for robust 6-DoF pose estimation, and (iii) a Human-in-the-Loop (HITL) layer combining Bayesian uncertainty, clinician-calibrated thresholds, and saliency maps highlighting regions of low confidence. When uncertainty exceeds the threshold, the system issues unobtrusive alerts suggesting corrective actions such as re-scanning highlighted regions or slowing the sweep. Evaluated on a clinical freehand ultrasound dataset, UltrasODM reduces drift by 15.2%, distance error by 12.1%, and Hausdorff distance by 10.1% relative to UltrasOM, while producing per-frame uncertainty and saliency outputs. By emphasizing transparency and clinician feedback, UltrasODM improves reconstruction reliability and supports safer, more trustworthy clinical workflows. Our code is publicly available at https://github.com/AnandMayank/UltrasODM.
• Abstract（参考訳）: 臨床超音波の取得は非常に操作者に依存しており、高速なプローブ運動と明るさ変動は、しばしば信頼と臨床的有用性を低下させる再構成エラーを引き起こす。 我々は、フレーム単位の不確かさの校正、サリエンシに基づく診断、動作可能なプロンプトを通じて、ソノグラフィーの獲得を支援するデュアルストリームフレームワークであるUltrasODMを提案する。 UltrasODM の統合 (i)運動類似性によりフレームをグループ化する対照的なランキングモジュール (II)ロバストな6-DoFポーズ推定のためのデュアルマンバ時間モジュールを融合した光流ストリーム 3)Human-in-the-Loop(HITL)層は,ベイジアン不確実性,臨床校正しきい値,および信頼性の低い地域を目立たせている。 不確実性がしきい値を超えた場合、システムは、強調された領域を再スキャンしたり、スイープを遅くしたりといった修正措置を推奨する邪魔にならない警告を発行する。 臨床フリーハンド超音波データセットで評価すると、UltrasODMはドリフトを15.2%減らし、距離誤差を12.1%減らし、ハウスドルフ距離を10.1%減らした。 透明性と臨床フィードバックを強調することで、UltrasODMは再構築の信頼性を改善し、より安全で信頼性の高い臨床ワークフローをサポートする。 私たちのコードはhttps://github.com/AnandMayank/UltrasODM.comで公開されています。

関連論文リスト

• An Automatic Detection Method for Hematoma Features in Placental Abruption Ultrasound Images Based on Few-Shot Learning [11.678844582870523]
  胎盤破裂は妊娠中の重篤な合併症であり,早期診断は母体・胎児の安全確保に不可欠である。 本稿では,小サンプル学習に基づく改良型EH-YOLOv11nを提案する。 実験の結果、検出精度は78%で、YOLOv11nよりも2.5%、YOLOv8より13.7%向上した。
  論文  参考訳（メタデータ） (2025-10-24T14:20:34Z)
• Automated Labeling of Intracranial Arteries with Uncertainty Quantification Using Deep Learning [2.6279333406008476]
  3D Time-of-light Magnetic Resonance Angiography (3D ToF-MRA) を用いたディープラーニングによる自動動脈ラベル作成フレームワークを提案する。 我々のフレームワークは、自動脳血管ラベリングのためのスケーラブルで正確で不確実なソリューションを提供し、下流血行動態解析をサポートし、臨床統合を容易にする。
  論文  参考訳（メタデータ） (2025-09-22T12:57:21Z)
• Acoustic Interference Suppression in Ultrasound images for Real-Time HIFU Monitoring Using an Image-Based Latent Diffusion Model [18.946487365558273]
  HIFU-ILDiffは、HIFUによる超音波画像の干渉を抑制するための、新しいディープラーニングベースのアプローチである。 HIFU治療中のリアルタイムモニタリングのための超音波ガイド画像におけるHIFU干渉を識別することができる。
  論文  参考訳（メタデータ） (2025-09-01T15:36:17Z)
• UltraGauss: Ultrafast Gaussian Reconstruction of 3D Ultrasound Volumes [15.02330703285484]
  2D-to-3D再構成は、しばしば計算コストが高く、メモリ集約的であり、超音波物理と相容れない。 UltraGauss - 超音波波伝搬にビュー合成技術を拡張した最初の超音波特異的ガウス平滑化フレームワーク。 実際の臨床超音波データでは、UltraGaussは最先端の再建を5分で達成し、1枚の画像で0.99 SSIMに達する。
  論文  参考訳（メタデータ） (2025-05-08T20:53:47Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• 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)
• 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)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)

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。