論文の概要: Learning to learn skill assessment for fetal ultrasound scanning

• arxiv url: http://arxiv.org/abs/2512.23920v1
• Date: Tue, 30 Dec 2025 00:40:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.245929
• Title: Learning to learn skill assessment for fetal ultrasound scanning
• Title（参考訳）: 胎児超音波検査におけるスキルアセスメントの学習
• Authors: Yipei Wang, Qianye Yang, Lior Drukker, Aris T. Papageorghiou, Yipeng Hu, J. Alison Noble,
• Abstract要約: 得られた胎児超音波画像のタスクがいかにうまく実行されるかによって胎児超音波のスキルを評価する新しい二段階最適化フレームワークを提案する。 本手法は,胎児頭部をスキャンする実地臨床超音波ビデオにおいて有効である。
• 参考スコア（独自算出の注目度）: 15.193330356142448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditionally, ultrasound skill assessment has relied on expert supervision and feedback, a process known for its subjectivity and time-intensive nature. Previous works on quantitative and automated skill assessment have predominantly employed supervised learning methods, often limiting the analysis to predetermined or assumed factors considered influential in determining skill levels. In this work, we propose a novel bi-level optimisation framework that assesses fetal ultrasound skills by how well a task is performed on the acquired fetal ultrasound images, without using manually predefined skill ratings. The framework consists of a clinical task predictor and a skill predictor, which are optimised jointly by refining the two networks simultaneously. We validate the proposed method on real-world clinical ultrasound videos of scanning the fetal head. The results demonstrate the feasibility of predicting ultrasound skills by the proposed framework, which quantifies optimised task performance as a skill indicator.
• Abstract（参考訳）: 従来、超音波スキルアセスメントは、その主観性と時間集約性で知られているプロセスである専門家の監督とフィードバックに依存してきた。 定量的かつ自動化されたスキルアセスメントに関するこれまでの研究は、主に教師付き学習手法を採用しており、その分析は、スキルレベル決定に影響を及ぼすと考えられる所定の要因または想定要因に制限されていることが多い。 そこで本研究では,手動によるスキル評価を使わずに,取得した胎児超音波画像のタスクがどの程度うまく実行されるかによって,胎児超音波のスキルを評価する新しい2段階最適化フレームワークを提案する。 このフレームワークは、臨床タスク予測器とスキル予測器から構成されており、これら2つのネットワークを同時に精製することにより、共同で最適化される。 本手法は,胎児頭部をスキャンする実地臨床超音波ビデオにおいて有効である。 提案手法は, 最適タスク性能をスキル指標として定量化し, 提案手法による超音波スキルの予測の可能性を示す。

関連論文リスト

• Towards Objective Obstetric Ultrasound Assessment: Contrastive Representation Learning for Fetal Movement Detection [11.146143798185927]
  胎児運動分析のための自己教師型学習フレームワークであるContrastive Ultrasound Video Representation Learning (CURL)を提案する。 CURLの感度は78.01%、AUROCは81.60%であり、信頼性と客観的なFM分析の可能性を示している。
  論文  参考訳（メタデータ） (2025-10-23T05:03:23Z)
• The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
  本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。 画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
  論文  参考訳（メタデータ） (2025-04-10T16:26:47Z)
• Determining Fetal Orientations From Blind Sweep Ultrasound Video [1.3456699275044242]
  この作品は、自動化された胎児の嘘予測を導入し、それを置き換えるのではなく、ソノグラフィーの専門知識を強化する補助パラダイムを提案することで、自分自身を区別している。 今後の研究は、取得効率の向上と、ワークフローを改善するためのリアルタイム臨床統合と、産科医のサポートに焦点をあてる。
  論文  参考訳（メタデータ） (2025-04-09T12:51:15Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• A Survey of the Impact of Self-Supervised Pretraining for Diagnostic Tasks with Radiological Images [71.26717896083433]
  自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。 本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T19:45:09Z)
• Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation [2.3830437836694185]
  本稿では,自律型超音波の潜在タスク表現とロボットスキル適応を提案する。 オフラインの段階では、マルチモーダル超音波技術が統合され、低次元確率モデルにカプセル化される。 オンライン段階では、確率モデルは最適な予測を選択して評価する。
  論文  参考訳（メタデータ） (2023-07-25T08:32:36Z)
• Hierarchical Agent-based Reinforcement Learning Framework for Automated Quality Assessment of Fetal Ultrasound Video [8.417002987388319]
  スキャンの全体的な品質とフレームの品質の相関性を見落としてはいけない。 フレームレベルの品質評価とビデオレベルの品質評価の両方を協調的に学習する2つの階層型エージェントを活用した強化学習フレームワークを提案する。 課題となる胎児脳データセットの実験結果から、提案したフレームワークが二重レベルの品質評価を行うことができることを確認した。
  論文  参考訳（メタデータ） (2023-04-14T10:10:45Z)
• Explainable fetal ultrasound quality assessment with progressive concept bottleneck models [6.734637459963132]
  胎児超音波品質評価のための総合的,説明可能な方法を提案する。 タスクに「可読性の概念」を導入し、シーケンシャルな専門家による意思決定プロセスを模倣する。 実験により、我々のモデルは、社内データセット上で同等のコンセプトフリーモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-19T09:31:19Z)
• Causal Imitation Learning with Unobserved Confounders [82.22545916247269]
  本研究では,学習者と専門家の感覚入力が異なる場合の模倣学習について検討する。 我々は、専門家の軌跡の量的知識を活用することで、模倣が依然として実現可能であることを示した。
  論文  参考訳（メタデータ） (2022-08-12T13:29:53Z)
• Learning Predictions for Algorithms with Predictions [49.341241064279714]
  予測器を学習するアルゴリズムに対して,一般的な設計手法を導入する。 オンライン学習の手法を応用して、敵のインスタンスに対して学習し、堅牢性と一貫性のあるトレードオフを調整し、新しい統計的保証を得る。 両部マッチング,ページマイグレーション,スキーレンタル,ジョブスケジューリングの手法を解析することにより,学習アルゴリズムの導出におけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-18T17:25:43Z)

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。