論文の概要: 4D-UNet improves clutter rejection in human transcranial contrast enhanced ultrasound

• arxiv url: http://arxiv.org/abs/2602.18542v1
• Date: Fri, 20 Feb 2026 15:44:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.154808
• Title: 4D-UNet improves clutter rejection in human transcranial contrast enhanced ultrasound
• Title（参考訳）: 4D-UNetはヒト経頭蓋コントラスト造影超音波におけるクラッタ拒絶を改善する
• Authors: Tristan Beruard, Armand Delbos, Arthur Chavignon, Maxence Reberol, Vincent Hingot,
• Abstract要約: 経頭蓋3次元造影超音波(CEUS)における新しい4次元U-Netによるクラッタフィルタリング手法を提案する。 その結果,4D-UNetは時間的クラッタフィルタを改善した。 この結果は、超音波ベースの医療画像を強化するAI駆動アプローチの可能性を強調している。
• 参考スコア（独自算出の注目度）: 1.4282521844040932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transcranial ultrasound imaging is limited by high skull absorption, limiting vascular imaging to only the largest vessels. Traditional clutter filters struggle with low signal-to-noise ratio (SNR) ultrasound datasets, where blood and tissue signals cannot be easily separated, even when the echogenicity of the blood is improved with contrast agents. Here, we present a novel 4D U-Net approach for clutter filtering in transcranial 3D Contrast Enhanced Ultrasound (CEUS) exploiting spatial and temporal information via a 4D-UNet implementation to enhance microbubble detection in transcranial data acquired in human adults. Our results show that the 4D-UNet improves temporal clutter filters. By integrating deep learning into CEUS, this study advances neurovascular imaging, offering improved clutter rejection and visualization. The findings underscore the potential of AI-driven approaches to enhance ultrasound-based medical imaging, paving the way for more accurate diagnostics and broader clinical applications.
• Abstract（参考訳）: 経頭蓋超音波検査は頭蓋骨吸収率が高く、血管造影は最も大きな血管に限られる。 従来のクラッタフィルタは、造影剤で血液のエコー原性を改善した場合でも、血液と組織信号を容易に分離できない低信号-雑音比(SNR)超音波データセットと競合する。 そこで本研究では, 経頭蓋骨3Dコントラスト拡張超音波(CEUS)において, 4D-UNet実装による空間的および時間的情報を利用したクラッタフィルタリングのための新しい4次元U-Net手法を提案する。 その結果,4D-UNetは時間的クラッタフィルタを改善した。 深層学習をCEUSに統合することにより、神経血管イメージングを向上し、クラッタの拒絶と可視化を改善した。 この発見は、超音波ベースの医療画像を強化するAI駆動のアプローチの可能性を強調し、より正確な診断とより広い臨床応用への道を開いた。

関連論文リスト

• 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)
• High Volume Rate 3D Ultrasound Reconstruction with Diffusion Models [14.007660129016852]
  三次元超音波は解剖学的構造のリアルタイムな体積可視化を可能にする。 高ボリュームと高画質の両方を達成することは、依然として大きな課題である。 本稿では,拡散モデル(DM)を用いて空間的・時間的分解能の向上を図り,新しい3次元超音波再構成手法を提案する。
  論文  参考訳（メタデータ） (2025-05-28T08:14:12Z)
• Translation of Fetal Brain Ultrasound Images into Pseudo-MRI Images using Artificial Intelligence [0.0]
  第3三期では、胎児の脳の複雑さは定量的データを抽出するために高い画像品質を必要とする。 対照的に、MRI(MRI)は優れた画像品質と組織分化を提供するが、利用できなく、高価であり、時間を要する。
  論文  参考訳（メタデータ） (2025-04-03T08:59:33Z)
• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• PHOCUS: Physics-Based Deconvolution for Ultrasound Resolution Enhancement [36.20701982473809]
  超音波イメージングシステムのインパルス機能はポイントスプレッド機能(PSF)と呼ばれ、画像形成過程における反射体の空間分布と結びついている。 我々は、より一般的なBモード画像を直接扱う、モデル付きPSFを用いた物理ベースのデコンボリューションプロセスを導入する。 Inlicit Neural Representations (INR) を利用することで、空間位置からそれぞれのエコー原性値への連続的なマッピングを学習し、離散化された画像空間を効果的に補償する。
  論文  参考訳（メタデータ） (2024-08-07T09:52:30Z)
• 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)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)

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。