論文の概要: Laryngeal Structure Segmentation in High-Speed Videoendoscopy Using Deep Learning
- arxiv url: http://arxiv.org/abs/2609.26636v1
- Date: Tue, 22 Sep 2026 16:09:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 01:05:39.739146
- Title: Laryngeal Structure Segmentation in High-Speed Videoendoscopy Using Deep Learning
- Title（参考訳）: ディープラーニングを用いた高速ビデオ内視鏡における喉頭構造分割
- Abstract要約: ディープラーニングの音声データへの適用は,非定常喉頭行動や音声障害に伴う異常パターンの同定に重要である。
本研究の目的は, 喉頭軟骨, 声帯, 喉頭領域を検出するために, U-Netモデルを用いてこれらのギャップに対処することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Laryngeal high-speed videoendoscopy (HSV) offers an effective means of observing the motion of different laryngeal structures along with vibratory behaviors of the vocal folds under various voicing conditions. Segmentation of laryngeal tissues enables analysis of different tissue structures and their dynamics, helping characterize the involvement of laryngeal muscles in voice production. Given the large number of HSV frames, automating this task is imperative. While deep learning-based methods have been implemented in previous studies to segment laryngeal structures, they have not been applied to HSV data during connected speech, which poses significant challenges due to excessive tissue movements and image quality limitations associated with fiberoptic image acquisition. The application of deep learning to connected speech data is critical for capturing nonstationary laryngeal behaviors and identifying anomalous patterns associated with voice disorders. The present study aims to address these gaps by training U-Net models to detect the aryepiglottic folds and arytenoid cartilages, vocal folds, epiglottis, and glottal area, using HSV data from both sustained vowel phonation and connected speech obtained from normophonic and disordered voices. Image pre-processing techniques, including noise removal and histogram equalization, were applied to improve the quality of the training HSV images and enhance network performance. Finally, to evaluate the accuracy and reliability of the networks, quantitative performance metrics were used alongside qualitative visual inspection of the test images. The high performance of the developed networks, with overall accuracies exceeding 95%, establishes their potential as reliable tools for automated laryngeal image analysis, quantitative characterization of laryngeal dynamics, and future detection of anomalous laryngeal behaviors in clinical settings.
- Abstract（参考訳）: 喉頭高速ビデオ内視鏡(HSV)は,声帯の振動挙動とともに異なる喉頭構造の運動を観察する有効な手段を提供する。
喉頭組織の分節化は、異なる組織構造とその動態の分析を可能にし、喉頭筋の発声への関与を特徴づける。
多くのHSVフレームを考えると、このタスクの自動化は必須である。
深層学習に基づく手法は従来の研究で喉頭構造を分割する手法として実装されているが、接続音声中のHSVデータには適用されていない。
ディープラーニングの音声データへの適用は,非定常喉頭行動の把握と,音声障害に伴う異常パターンの同定に重要である。
本研究の目的は, 声帯, 喉頭, 声帯, 喉頭領域を検出するためにU-Netモデルを訓練し, 持続母音発声と接続音声の両方から得られたHSVデータを用いて, 声帯, 喉頭軟骨, 声帯, 喉頭領域を検出することである。
ノイズ除去やヒストグラム等化などの画像前処理技術を適用し,訓練用HSV画像の品質向上とネットワーク性能の向上を実現した。
最後に、ネットワークの精度と信頼性を評価するために、テスト画像の質的視覚検査とともに定量的なパフォーマンス指標を使用した。
発達したネットワークの性能は95%を超えるが, 自動喉頭画像解析, 喉頭動態の定量的評価, 臨床現場での異常喉頭行動の将来の検出など, 信頼性の高いツールとしての可能性を確立している。
関連論文リスト
- Voice Pathology Detection Using Phonation [0.0]
本研究では,音声の病状を検出するための機械学習フレームワークを提案する。
Saarbr"ucken Voice Databaseからの発声データを解析する。
リカレントニューラルネットワーク(RNN)は、サンプルを正常および病理学的カテゴリに分類する。
論文 参考訳（メタデータ） (2025-08-11T03:33:18Z) - 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) - Advancing Hearing Assessment: An ASR-Based Frequency-Specific Speech Test for Diagnosing Presbycusis [0.0]
従来の音響測定では、聴覚障害が音声理解に与える影響を完全に特徴づけることができない。
本稿では,新しい音声認識(ASR)に基づく周波数固有音声テストの開発とシミュレーション評価について述べる。
論文 参考訳（メタデータ） (2025-05-28T11:06:22Z) - The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。
画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
論文 参考訳（メタデータ） (2025-04-10T16:26:47Z) - Developing vocal system impaired patient-aimed voice quality assessment approach using ASR representation-included multiple features [0.4681310436826459]
本稿では,音声認識と自己教師型学習表現の利用について紹介する。
実験ではPVQDデータセットのチェックを行い、英語における様々な声道系の損傷の原因をカバーし、パーキンソン病の患者に焦点を当てた日本語データセットを作成した。
PVQDの結果, PCCでは0.8, MSEでは0.5と顕著な相関がみられた。
論文 参考訳（メタデータ） (2024-08-22T10:22:53Z) - 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) - Show from Tell: Audio-Visual Modelling in Clinical Settings [58.88175583465277]
臨床環境でのオーディオ・ビジュアル・モデリングを考察し、人間の専門的アノテーションを使わずに医学的表現を学習するためのソリューションを提供する。
この目的のために, 単純かつ効果的なマルチモーダル自己教師型学習フレームワークを提案する。
提案手法は,音声のみを基準として,超音波画像中の解剖学的関心領域をローカライズすることができる。
論文 参考訳（メタデータ） (2023-10-25T08:55:48Z) - LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。
既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。
本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
論文 参考訳（メタデータ） (2023-07-29T16:29:39Z) - 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) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-20T09:33:55Z)
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。