Fugu-MT 論文翻訳(概要): Cohort-Scale Neural Atlases of Ultrasound Video

論文の概要: Cohort-Scale Neural Atlases of Ultrasound Video

arxiv url: http://arxiv.org/abs/2606.00890v1
Date: Sat, 30 May 2026 20:52:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-02 21:34:28.964833
Title: Cohort-Scale Neural Atlases of Ultrasound Video
Title（参考訳）: 超音波映像のコホートスケールニューラルアトラス
Abstract要約: 超音波ビデオ解析のためのコホートスケールニューラルアトラスを提案する。提案手法はコヒーレントな標準テンプレートを学習し,正確なアトラス空間アノテーション転送を可能にする。 EchoNet-DynamicとMSK-Boneでは、強い高密度対応ベースラインと競合する精度でシングルショットと少数ショットの転送をサポートする。
参考スコア（独自算出の注目度）: 2.4814632441414552
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Ultrasound is the most widely used real-time imaging modality in clinical practice, yet per-frame video annotation remains a major bottleneck: expert labels are scarce and costly, and image appearance varies with speckle, shadowing, attenuation, and operator-dependent probe pose. This is especially limiting because clinically relevant information is often dynamic, from left-ventricular motion in echocardiography to muscle and bone kinematics in musculoskeletal imaging. Population atlases can amortize annotation cost by registering observations to a shared canonical coordinate system, but existing neural atlas methods mainly target single videos, small test-time image sets, or object-centric image collections. We introduce a cohort-scale neural atlas for ultrasound video: a single canonical chart with per-video Generative Latent Optimization embeddings, trained jointly over thousands of frames in DINOv3 feature space. Across five cardiac and musculoskeletal datasets with point landmarks and segmentation masks, our method learns coherent canonical templates and enables accurate atlas-space annotation transfer. On EchoNet-Dynamic and MSK-Bone, it supports single- and few-shot transfer with accuracy competitive with strong dense-correspondence baselines, while training in minutes on a single consumer GPU. The learned embeddings are interpretable: linear projections reveal structured cohort variation, image-decoder interpolation produces anatomically plausible intermediate frames, and test-time latent inversion reconstructs held-out frames through the atlas. These results suggest that cohort-scale neural atlases offer a practical, interpretable representation for reducing expert annotation burden in ultrasound video analysis.
Abstract（参考訳）: 超音波は、臨床実践において最も広く使われているリアルタイム画像モダリティであるが、フレームごとのビデオアノテーションは大きなボトルネックであり、専門家のラベルは少なく、コストがかかり、画像の外観はスペックル、シャドーイング、減衰、オペレータに依存したプローブのポーズによって変化する。心エコー法では左室運動から筋・骨運動学,筋骨格画像では左室運動から骨運動まで,臨床的に関係する情報がダイナミックであることが多いため,これは特に制限される。集団アトラスは、共通の標準座標系に観測を登録することで、アノテーションコストを償却することができるが、既存のニューラルアトラス法は主に単一のビデオ、小さなテストタイムイメージセット、またはオブジェクト中心の画像コレクションをターゲットにしている。超音波ビデオのためのコホートスケールニューラルアトラス:DINOv3特徴空間内の数千フレーム以上を共同でトレーニングした、ビデオごとのジェネレーティブ潜在最適化を組み込んだ単一の標準チャート。本手法は,5つの心・筋骨格データセットにポイントランドマークとセグメンテーションマスクを付与し,コヒーレントな標準テンプレートを学習し,正確なアトラス空間アノテーション転送を可能にする。 EchoNet-DynamicとMSK-Boneでは、単一のコンシューマGPUで数分でトレーニングしながら、強い高密度対応ベースラインと競合する精度で、シングルショットと少数ショットの転送をサポートする。線形射影は構造的コホート変動を示し、画像デコーダ補間は解剖学的に妥当な中間フレームを生成し、テストタイムの潜伏反転はアトラスを介して保持されたフレームを再構成する。以上の結果から,コホートスケールのニューラルアトラスは,超音波ビデオ解析における専門家のアノテーション負担を軽減するための実用的,解釈可能な表現である可能性が示唆された。

関連論文リスト

Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
論文参考訳（メタデータ） (2026-06-30T15:42:23Z)
TRUST: Efficient Abdominal Trauma Recognition via Image-to-Ultrasound-Video Transfer Learning [9.697220089288564]
本稿では,超音波映像の信頼性を高めるために,微細時間変動を明示的にモデル化するスキャン対応PEIVTLフレームワークを提案する。社内の超音波外傷データセットの実験では、TRUSTは最先端の手法よりも9.63%優れ、計算効率が優れていることが示されている。
論文参考訳（メタデータ） (2026-06-26T07:06:34Z)
EchoPilot: Training-Free Ultrasound Video Segmentation via Scale-Space Semantic Prompting and Reliability-Gated Memory [30.279337577859597]
EchoPilotは、スパースファーストフレームインタラクション下での超音波ビデオセグメンテーションのためのトレーニング不要のフレームワークである。セマンティックローカライゼーションのためのフリーズド医療ビジョン言語モデル、密集した幾何学的特徴抽出のためのビジョン基盤モデル、マスク予測と伝搬のためのプロンプト可能なビデオセグメンタを編成する。 671フレームのダイナミック胎児胎盤超音波ビデオセグメンテーションデータセットを提案する。
論文参考訳（メタデータ） (2026-05-25T15:22:05Z)
Training-free Temporal Object Tracking in Surgical Videos [20.689670966095097]
腹腔鏡下胆嚢摘出術(LC)手術ビデオにおけるオンライン物体追跡のための新しいアプローチを提案する。提案手法は,既存のデータセットに固有の,コストの高いピクセルレベルのアノテーションとラベルの不整合の課題に対処する。
論文参考訳（メタデータ） (2026-03-08T23:09:16Z)
Self-supervised Learning of Echocardiographic Video Representations via Online Cluster Distillation [21.738308923180767]
心エコービデオ表現学習のための自己教師型デュアルブランチフレームワークであるdisCOVRについて述べる。 DISCOVRは、時間的ダイナミクスをモデル化するクラスタリングベースのビデオエンコーダと、きめ細かい空間意味論を抽出するオンライン画像エンコーダを組み合わせる。
論文参考訳（メタデータ） (2025-06-13T13:36:33Z)
EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
論文参考訳（メタデータ） (2025-04-17T16:19:05Z)
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)
Echocardiography Segmentation Using Neural ODE-based Diffeomorphic Registration Field [0.0]
本稿ではニューラル常微分方程式(ニューラルODE)を用いた新しい拡散画像登録法を提案する。提案手法であるEcho-ODEでは,従来の最先端技術と比較して,いくつかの改良が加えられている。その結果,本手法は過去の最先端技術よりも多面的に優れていることがわかった。
論文参考訳（メタデータ） (2023-06-16T08:37:27Z)
Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文参考訳（メタデータ） (2021-10-12T21:22:24Z)
Unsupervised multi-latent space reinforcement learning framework for video summarization in ultrasound imaging [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、超音波スキャンのトリアージを高速化するツールの必要性を強調している。提案手法は,この方向への一歩である。そこで我々は,新しい報酬を伴う教師なし強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-09-03T04:50:35Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
論文参考訳（メタデータ） (2020-07-09T01:39:39Z)

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。