論文の概要: Evaluating Deep Learning-Based Nerve Segmentation in Brachial Plexus Ultrasound Under Realistic Data Constraints

• arxiv url: http://arxiv.org/abs/2602.00763v1
• Date: Sat, 31 Jan 2026 15:02:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.385633
• Title: Evaluating Deep Learning-Based Nerve Segmentation in Brachial Plexus Ultrasound Under Realistic Data Constraints
• Title（参考訳）: 実データ制約下における腕神経叢超音波の深部学習に基づく神経分割の評価
• Authors: Dylan Yves, Khush Agarwal, Jonathan Hoyin Chan, Patcharapit Promoppatum, Aroonkamon Pattanasiricharoen,
• Abstract要約: 腕神経叢の超音波画像における深層学習に基づく神経セグメント化について検討した。 複数の超音波装置から合成したデータによるトレーニングは,低性能な取得源に正規化の利点をもたらすことが判明した。
• 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: Accurate nerve localization is critical for the success of ultrasound-guided regional anesthesia, yet manual identification remains challenging due to low image contrast, speckle noise, and inter-patient anatomical variability. This study evaluates deep learning-based nerve segmentation in ultrasound images of the brachial plexus using a U-Net architecture, with a focus on how dataset composition and annotation strategy influence segmentation performance. We find that training on combined data from multiple ultrasound machines (SIEMENS ACUSON NX3 Elite and Philips EPIQ5) provides regularization benefits for lower-performing acquisition sources, though it does not surpass single-source training when matched to the target domain. Extending the task from binary nerve segmentation to multi-class supervision (artery, vein, nerve, muscle) results in decreased nerve-specific Dice scores, with performance drops ranging from 9% to 61% depending on dataset, likely due to class imbalance and boundary ambiguity. Additionally, we observe a moderate positive correlation between nerve size and segmentation accuracy (Pearson r=0.587, p<0.001), indicating that smaller nerves remain a primary challenge. These findings provide methodological guidance for developing robust ultrasound nerve segmentation systems under realistic clinical data constraints.
• Abstract（参考訳）: 超音波ガイド下局所麻酔の成功には正確な神経局在が重要であるが, 画像コントラストの低さ, スペックルノイズ, 患者間解剖学的変動により手動同定が困難である。 本研究は,U-Netアーキテクチャを用いた腕神経叢の超音波画像における深層学習に基づく神経セグメント化について検討し,データセット構成とアノテーション戦略がセグメント化性能にどのように影響するかに着目した。 複数の超音波装置(SIEMENS ACUSON NX3 EliteとPhilips EPIQ5)から得られたデータの組み合わせによるトレーニングは、目標領域に合わせると単ソーストレーニングを超えないが、低性能な取得ソースに対して正規化の利点を提供する。 二分神経節から多階級の監督(動脈、静脈、神経、筋肉)にタスクを拡大すると、神経特異的なDiceスコアが減少し、パフォーマンス低下はデータセットによって9%から61%に減少する。 Pearson r=0.587, p<0.001) は, より小さな神経が主要な課題であることを示す。 これらの知見は, 現実的な臨床データ制約下での頑健な超音波神経分節システムの開発のための方法論的ガイダンスを提供する。

関連論文リスト

• Traumatic Brain Injury Segmentation using an Ensemble of Encoder-decoder Models [0.8886706641070187]
  TBI病変の同定とセグメンテーションは、神経イメージングにおいて重要な課題である。 本研究の目的は、T1強調MRIにおけるTBI病変を自動的に検出・分節する自動パイプラインを開発することである。
  論文  参考訳（メタデータ） (2025-09-29T12:21:32Z)
• Challenges in Deep Learning-Based Small Organ Segmentation: A Benchmarking Perspective for Medical Research with Limited Datasets [1.2648105980808475]
  本研究では,最先端のディープラーニングセグメンテーションモデルの体系的評価について検討する。 その結果, モデル性能はデータ分割に非常に敏感であり, 統計的ノイズによる差は, 真のアルゴリズム上の優越性よりも小さいことがわかった。
  論文  参考訳（メタデータ） (2025-09-07T01:54:20Z)
• Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
  頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。 本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
  論文  参考訳（メタデータ） (2025-08-01T00:45:46Z)
• Nerve Block Target Localization and Needle Guidance for Autonomous Robotic Ultrasound Guided Regional Anesthesia [2.6689711898093744]
  我々は, 腕神経叢のUSビデオから, 麻酔科医41,000人の大規模なデータセットを作成した。 われわれは,US画像中の神経の局在化モデルを開発し,自動麻酔針ターゲットを定義する。 針のセグメンテーションのために、自然のRGB事前訓練ニューラルネットワークは、米国内の大規模なデータセットで初めて微調整された。
  論文  参考訳（メタデータ） (2023-08-07T16:40:19Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
  ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
  論文  参考訳（メタデータ） (2022-07-06T02:03:28Z)
• Brachial Plexus Nerve Trunk Segmentation Using Deep Learning: A Comparative Study with Doctors' Manual Segmentation [10.18353060771133]
  深層学習に基づく腕神経叢分割システム(BPSegSys)を開発した。 BPSegSysは様々な実験で経験者レベルの神経識別性能を達成する。 以上の結果から,BPSegSysは腕神経叢をより正確に同定し,IoUは最大27%改善した。
  論文  参考訳（メタデータ） (2022-05-17T07:23:28Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。