論文の概要: SonoRank: Towards Calibration-Free Real-Time Finger Flexion Detection from Forearm Ultrasound Sequences

• arxiv url: http://arxiv.org/abs/2607.07542v1
• Date: Wed, 08 Jul 2026 15:41:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.442035
• Title: SonoRank: Towards Calibration-Free Real-Time Finger Flexion Detection from Forearm Ultrasound Sequences
• Title（参考訳）: SonoRank:前腕超音波からの校正不要リアルタイム指屈曲検出を目指して
• Abstract要約: SonoRankは、5本の指の相対的な動きの大きさによって、超音波シーケンスのペアをランク付けすることを学ぶ。 F1スコアは、ランキングステージをスキップする直接分類基準よりも28%向上している。
• 参考スコア（独自算出の注目度）: 14.38512385839548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Powered prosthetic hands are frequently abandoned, largely due to the limited functionality of current devices that rely on surface electromyography (sEMG). Sonomyography (ultrasound) has emerged as a promising alternative, owing to its ability to observe muscle activity in real time and control a greater number of degrees of freedom. Yet, existing ultrasound-based methods require per-user fine-tuning, limiting their commercialization. We propose SonoRank, an important step towards calibration-free finger flexion detection from forearm ultrasound video. SonoRank first learns to rank pairs of ultrasound sequences by their relative motion magnitude for each of the five fingers. The learned representations are then fine-tuned to classify whether each finger is actively flexing, using a rest reference that is captured at the beginning of the operation. Under 12-fold leave-one-subject-out cross-validation on a dataset of twelve subjects with synchronized kinematics, SonoRank achieves a 28% improvement in F1 score over direct classification baselines that skip the ranking stage. These results establish pairwise ranking as an effective pretraining signal for subject-independent control, bringing ultrasound-based prosthetics closer to practical, calibration-free deployment.
• Abstract（参考訳）: パワード義手は、主に表面筋電図(sEMG)に依存する現在の装置の機能に制限があるため、しばしば放棄される。 ソノミノグラフィー(超音波)は、筋肉の動きをリアルタイムで観察し、より多くの自由度を制御する能力によって、有望な代替手段として登場した。 しかし、既存の超音波法では、ユーザごとの微調整が必要で、商用化が制限される。 本研究では,前腕超音波画像から指の屈曲を校正する重要なステップであるSanoRankを提案する。 SonoRank氏はまず、5本の指の相対的な動きの大きさで、超音波シーケンスのペアをランク付けすることを学びました。 学習された表現は、操作の開始時にキャプチャされる休息参照を使用して、各指が積極的に屈曲しているかどうかを分類するために微調整される。 シンクロナイズド・キネマティクス(英語版)を持つ12人の被験者のデータセット上の12倍の残差のクロスバリデーションの下で、SanoRankはランクステージをスキップする直接的な分類基準よりもF1スコアが28%向上した。 これらの結果は, 超音波による補綴物を実用的, 校正不要な展開に近づけることにより, 被験者非依存制御のための効果的な事前訓練信号としてペアワイズランキングを確立した。

関連論文リスト

• The Impact of Temporal Context Length and Encoding Strategies on Self-Supervised ECG Representation Learning [0.8411385346896411]
  心電図(ECG)モデルは、しばしば数秒間の心電図信号に基づいて訓練される。 これらの選択がリズム推定や時間的整合性に必要な情報を犠牲にしているかどうかは不明である。 我々はIcentia11kシングルリードデータセットについて制御された研究を行った。
  論文  参考訳（メタデータ） (2026-08-13T01:18:39Z)
• SonoCLIP: Mask-Guided Region-Aware Vision-Language Pretraining for Fetal Ultrasound Analysis [51.81845420301345]
  SonoCLIPは胎児超音波解析のための視覚言語基盤モデルである。 セグメンテーションマスクを視覚エンコーダ内にマスクチャネル視覚プロンプトとして組み込む。 グローバルおよびマスク誘導推論の両方において、ゼロショット転送性能に優れる。
  論文  参考訳（メタデータ） (2026-06-28T20:04:49Z)
• Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation [76.6507710204181]
  超音波解釈のためのエージェント型マルチモーダル推論モデルであるEcho-を提案する。 Echo-は臓器固有の検出出力を調整し、それらをグローバルな視覚的コンテキストに統合し、その結果の証拠を根拠となる診断決定に変換するように訓練されている。 以上の結果から, エージェントによるマルチモーダル推論は, 特定検出器を検証可能な臨床証拠にすることができることが示唆された。
  論文  参考訳（メタデータ） (2026-04-30T15:31:00Z)
• UltrasODM: A Dual Stream Optical Flow Mamba Network for 3D Freehand Ultrasound Reconstruction [4.389388281549045]
  我々は、フレーム単位の不確かさの校正、サリエンシに基づく診断、動作可能なプロンプトを通じて、ソノグラフィーの獲得を支援するデュアルストリームフレームワークであるUltrasODMを提案する。 UltrasODMはドリフトを15.2%減らし、距離誤差を12.1%減らし、ハウスドルフ距離を10.1%減らした。
  論文  参考訳（メタデータ） (2025-12-08T17:39:34Z)
• Do We Need Pre-Processing for Deep Learning Based Ultrasound Shear Wave Elastography? [40.44081073917452]
  軟組織の弾性度を推定することは、様々な診断応用に有用な情報を提供することができる。 ディープラーニングベースのアプローチは、従来の超音波前処理ステップの必要性とバイアスを減らすことができる。
  論文  参考訳（メタデータ） (2025-08-01T11:26:46Z)
• 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)
• Improving Intersession Reproducibility for Forearm Ultrasound based Hand Gesture Classification through an Incremental Learning Approach [2.1301560294088318]
  前腕の超音波画像は、人間のマシンインタフェースを開発するための手の動きを分類するために使用することができる。 従来,1つの被験者に超音波を用いたジェスチャー分類を行ったが,評価前にプローブの除去は行わなかった。 本研究は,超音波による手動作分類の微調整による漸進的な学習が,記憶,処理能力,時間を節約しながら精度を向上させることを示す。
  論文  参考訳（メタデータ） (2024-09-24T19:26:21Z)
• Forearm Ultrasound based Gesture Recognition on Edge [2.1301560294088318]
  本稿では,前腕超音波を用いた手のジェスチャー認識のためのディープニューラルネットワークのエッジデバイスへの展開について検討する。 高い精度と低レイテンシを維持しながら、モデルサイズを大幅に削減する。 リソース制限エッジデバイス上での効率的なリアルタイムジェスチャー認識の実現可能性を示す。
  論文  参考訳（メタデータ） (2024-09-16T01:07:16Z)
• 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)
• Identifying visible tissue in intraoperative ultrasound: a method and application [3.076170146656896]
  術中超音波検査は, 必要なビゾタクタクタブル・タスクである。 根底にある可視組織を特定するために,反復フィルタリングとトポロジカル手法を提案する。 プローブ組織接触の信頼性評価を行うための新しい枠組みを作成する。
  論文  参考訳（メタデータ） (2023-06-01T23:06:14Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)

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。