論文の概要: Structure-Augmented Standard Plane Detection with Temporal Aggregation in Blind-Sweep Fetal Ultrasound

• arxiv url: http://arxiv.org/abs/2604.20591v1
• Date: Wed, 22 Apr 2026 14:09:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.162393
• Title: Structure-Augmented Standard Plane Detection with Temporal Aggregation in Blind-Sweep Fetal Ultrasound
• Title（参考訳）: ブラインド・スウィープ胎児超音波における時間的凝集による構造増強型標準平面検出
• Authors: Keli Niu, He Zhao, Qianhui Men,
• Abstract要約: 盲目的超音波における胎児腹部面検出のための構造拡張システムを提案する。 そこで我々は、時間的スライディングウインドウで構造拡張平面を集約し、局所化を安定化させた。
• 参考スコア（独自算出の注目度）: 4.624845882653818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In low-resource settings, blind-sweep ultrasound provides a practical and accessible method for identifying fetal growth restriction. However, unlike freehand ultrasound which is subjectively controlled, detection of biometry plane in blind-sweep ultrasound is more challenging due to the uncontrolled fetal structure to be observed and the variaties of oblique planes in the scan. In this work, we propose a structure-augmented system to detect fetal abdomen plane, where the abdominal structure is highlighted using a segmentation prior. Since standard planes are emerging gradually, the decision boundary of the keyframes is unstable to predict. We thus aggregated the structure-augmented planes with a temporal sliding window to help stabilise keyframe localisation. Extensive results indicate that the structure-augmented temporal sliding strategy significantly improves and stabilises the detection of anatomically meaningful planes, which enables more reliable biometric measurements in blind-sweep ultrasound.
• Abstract（参考訳）: 低リソース環境では、ブラインドスウィープ超音波は胎児の成長制限を特定するための実用的でアクセスしやすい方法を提供する。 しかし, 主観的にコントロールされるフリーハンド超音波とは違って, 目隠し超音波における生体計測面の検出は, 観察すべき胎児構造やスキャン中の斜め面のバリアリティが原因で, より困難である。 本研究では,胎児腹部の腹部構造を事前にセグメンテーションを用いて強調表示し,胎児の腹部面を検出する構造拡張システムを提案する。 標準平面は徐々に出現しているので、キーフレームの決定境界は予測できない。 そこで我々は、キーフレームの局所化を安定化させるために、時間的スライディングウィンドウで構造拡張平面を集約した。 拡張時間的すべりは解剖学的に有意な面の検出を著しく改善し,安定化し,目隠し超音波でより信頼性の高い生体計測を可能にすることが示唆された。

関連論文リスト

• Prior-Guided DETR for Ultrasound Nodule Detection [12.28367495765275]
  超音波検出に特化して設計された事前誘導型DETRフレームワークを提案する。 提案するフレームワークは、純粋にデータ駆動の機能学習に頼るのではなく、ネットワークの複数の段階で異なる事前知識を段階的に取り入れている。 2つの臨床的に収集された甲状腺超音波データセットを用いて行った実験により,提案法は18種類の検出法と比較して精度が高いことが示された。
  論文  参考訳（メタデータ） (2026-01-05T15:32:58Z)
• L-FUSION: Laplacian Fetal Ultrasound Segmentation & Uncertainty Estimation [6.626853161057203]
  L-fusionは、教師なし、規範的学習および大規模基礎モデルを通じて不確実な定量化を統合するフレームワークである。 即時診断フィードバックのための信頼性の高い異常定量化を実現する。 不確かさの解釈を改善し、手動の病気回避の必要性を取り除く。
  論文  参考訳（メタデータ） (2025-03-07T08:57:38Z)
• UltraSeP: Sequence-aware Pre-training for Echocardiography Probe Movement Guidance [70.94473797093293]
  本稿では,高品質な標準平面画像取得のためのプローブポーズ調整によるロボットシステムや初心者の誘導に応用可能な,新しいプローブ移動誘導アルゴリズムを提案する。 本研究では, マスクアウト画像の特徴とプローブ動作をスキャンシーケンスで予測することにより, パーソナライズされた3次元心構造の特徴を学習する。
  論文  参考訳（メタデータ） (2024-08-27T12:55:54Z)
• Deep Spectral Methods for Unsupervised Ultrasound Image Interpretation [53.37499744840018]
  本稿では, 超音波を応用した非教師型深層学習手法を提案する。 我々は、スペクトルグラフ理論と深層学習法を組み合わせた教師なしディープスペクトル法から重要な概念を統合する。 スペクトルクラスタリングの自己教師型トランスフォーマー機能を利用して、超音波特有のメトリクスと形状と位置の先行値に基づいて意味のあるセグメントを生成し、データセット間のセマンティック一貫性を確保する。
  論文  参考訳（メタデータ） (2024-08-04T14:30:14Z)
• 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)
• Measuring proximity to standard planes during fetal brain ultrasound scanning [8.328549443700858]
  本稿では,超音波(US)平面を臨床利用に近づけるための新しいパイプラインを提案する。 ラベル付きSPとラベルなしUSボリュームスライスの両方を利用した半教師付きセグメンテーションモデルを提案する。 本モデルでは, 胎児の脳画像に対して, 信頼性の高いセグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2024-04-10T16:04:21Z)
• 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)

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。