論文の概要: DefSynUS: Real-time Patient-specific Intrahepatic Vessel Identification via Deformation-Aware CT-US Domain Adaptation

• arxiv url: http://arxiv.org/abs/2605.29570v1
• Date: Thu, 28 May 2026 08:17:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.060115
• Title: DefSynUS: Real-time Patient-specific Intrahepatic Vessel Identification via Deformation-Aware CT-US Domain Adaptation
• Title（参考訳）: DefSynus:CT-US領域適応による肝内血管のリアルタイム同定
• Authors: Karl-Philippe Beaudet, Yordanka Velikova, Sidaty El Hadramy, Nassir Navab, Philippe Cattin, Juan Verde, Stéphane Cotin,
• Abstract要約: 本研究の目的は, 変形性超音波によるリアルタイム, 患者固有の血管識別を可能にすることである。 このレンダリングは、血管の識別と患者の特異性のためにエンドツーエンドに訓練され、術前超音波の必要がなくなる。 腹部ファントムおよび限られた臨床応用実験では,リアルタイム肝内血管ブランチ同定が得られた。
• 参考スコア（独自算出の注目度）: 33.85624155581706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Laparoscopic ultrasound (LUS) enhances the safety of liver surgery by visualizing intrahepatic vessels in real-time. Still, vessel identification remains difficult due to probe constraints, complex vascular structure, and tissue deformation. This work aims to enable real-time, patient-specific vessel identification that remains robust under deformation through deformable ultrasound augmentation. Methods: Preoperative CT vessel annotations are used to generate synthetic ultrasound data via optimized physics-based rendering, coupled with domain adaptation to intraoperative ultrasound. The rendering is trained end-to-end for vessel identification and patient-specificity, eliminating the need for preoperative ultrasound. A deformation-aware augmentation simulates realistic intraoperative motion and tissue deformation within the rendering pipeline. Results: In abdominal phantom and limited clinical feasibility experiments (single-case clinical evaluation), the framework achieved real-time intrahepatic vessel-branch identification, maintaining performance under new patient poses. Conclusion: The framework enables real-time vessel identification without preoperative ultrasound and supports technical feasibility, but multi-patient validation is still needed for generalizability and clinical feasibility.
• Abstract（参考訳）: 目的:腹腔鏡下超音波(LUS)は肝内血管をリアルタイムで可視化することにより肝外科の安全性を高める。 それでも、プローブの制約、複雑な血管構造、組織変形により、血管の同定は難しいままである。 本研究の目的は, 変形性超音波増幅による変形下で頑健なリアルタイム, 患者固有の血管識別を可能にすることである。 方法: 術前CT血管アノテーションを用いて, 最適化された物理に基づくレンダリングにより合成超音波データを生成するとともに, 術中超音波への領域適応を行う。 このレンダリングは、血管の識別と患者の特異性のためにエンドツーエンドに訓練され、術前超音波の必要がなくなる。 変形認識増強は、レンダリングパイプライン内のリアルな術中動作と組織変形をシミュレートする。 結果: 腹腔内ファントムと限られた臨床応用実験 (単症例臨床評価) において, 本フレームワークは肝血管内ブランチをリアルタイムに同定し, 新規患者のポーズ下での性能を維持した。 結語: このフレームワークは, 術前超音波を使わずにリアルタイム血管の同定が可能であり, 技術的実現性をサポートしているが, 汎用性や臨床応用性には, マルチ患者による検証が必要である。

関連論文リスト

• Shape Completion and Real-Time Visualization in Robotic Ultrasound Spine Acquisitions [35.52384354036415]
  本稿では,ロボット超音波とリアルタイム補完を組み合わせた新しい統合システムを提案する。 私たちのロボットプラットフォームは、自律的に腰椎のUSスイープを取得し、超音波から脊椎表面を抽出し、完全な解剖を再構築します。 このフレームワークは、対話的でリアルタイムな可視化を提供し、スキャンを自律的に繰り返す機能と、ナビゲーションでターゲットの場所を指定できる。
  論文  参考訳（メタデータ） (2025-08-12T13:19:37Z)
• Towards Real-time Intrahepatic Vessel Identification in Intraoperative Ultrasound-Guided Liver Surgery [38.50524415871288]
  本研究では,術前の3D超音波肝体積を用いて,門脈および枝状構造のリアルタイム同定のための深層学習モデルを訓練する患者固有のアプローチを提案する。 我々のパーソナライズされたAIモデルは、外生ブタの肝臓で検証され、外科医と比較して精度(0.95)とリコール(0.93)に優れていた。
  論文  参考訳（メタデータ） (2024-10-04T13:30:18Z)
• 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)

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。