論文の概要: Ultrasound Elastography: Excitation Methods and Low-Cost Alternative
- arxiv url: http://arxiv.org/abs/2611.15645v1
- Date: Wed, 11 Nov 2026 15:56:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.188918
- Title: Ultrasound Elastography: Excitation Methods and Low-Cost Alternative
- Title(参考訳): 超音波エラストグラフィー:励起法と低コスト代替法
- Abstract要約: 組織力学特性のキャラクタリゼーションは、組織が誘発されたストレスや興奮に対する応答をイメージングすることによって達成される。
科学界では、組織内での励起を誘導するために多くのアプローチが用いられており、通常は高価なものよりも追加のツールや装置を必要とする。
機械的励起の源として手軽に使えるスマートフォンを使用することにより、よりシンプルで、より早く(かつ低コストで)統合できる代替案が提案されている。
- 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: Ultrasound elastography (or elasticity imaging) is a method that characterizes the tissue mechanical properties with the purpose of aiding the diagnosis of certain pathologies. Many novel clinical applications use the assumption that these tissue properties are changed in the presence of pathological processes. Characterization of tissue mechanical properties is achieved by imaging the response of the tissue to an induced stress or excitation. A plethora of approaches have been used in the scientific community to induce excitation in tissue, which usually require additional tools or devices than are costly. Furthermore these are usually integrated in the imaging pipeline using additional software or hardware for control. An alternative that is simpler, faster to integrate (and low-cost) is proposed in this work, by using readily available smartphones as a source of mechanical excitation. The induced displacements are used to solve the elasticity inverse problem (IP) using a finite element method (FEM) approach. Preliminary elasticity reconstructions of a phantom that mimics tissue are similar to when using a dedicated actuator as means of inducing harmonic displacements, illustrating the feasibility of our low-cost ultrasound elasography approach.
- Abstract(参考訳): 超音波エラストグラフィー(英: Ultrasound elastography)または弾性イメージング(英: Elasticity imaging)は、特定の病理診断を支援するために、組織力学特性を特徴付ける方法である。
多くの新しい臨床応用は、これらの組織特性が病理過程の存在下で変化するという仮定を用いている。
組織力学特性のキャラクタリゼーションは、組織が誘発されたストレスや興奮に対する応答をイメージングすることによって達成される。
科学界では、組織内での励起を誘導するために多くのアプローチが用いられており、通常は高価なものよりも追加のツールや装置を必要とする。
さらに、これらは通常、追加のソフトウェアまたはハードウェアを使用してイメージングパイプラインに統合される。
機械的励起の源として手軽に使えるスマートフォンを使用することにより、よりシンプルで、より早く(かつ低コストで)統合できる代替案が提案されている。
誘導変位は有限要素法 (FEM) を用いて弾性逆問題 (IP) を解くために用いられる。
組織を模倣するファントムの予備弾性復元は,高調波変位を誘発する専用アクチュエータを用いた場合と似ている。
関連論文リスト
- FreqPhys: Repurposing Implicit Physiological Frequency Prior for Robust Remote Photoplethysmography [54.32412212867472]
Photoplethysmographyは、ビデオから肌の色の変化を微妙に捉え、接触のない生理的モニタリングを可能にする。
FreqPhysは、シグナル回復のために生理的頻度事前を明示的に活用する周波数誘導リレーションフレームワークである。
これは、特に挑戦的な運動条件下で、最先端のアプローチよりも大幅に改善される。
論文 参考訳(メタデータ) (2026-04-01T06:25:42Z) - Generative neural physics enables quantitative volumetric ultrasound of tissue mechanics [19.276342580965217]
組織力学の高速かつ高忠実な3次元定量的イメージングを実現するための生成型神経物理フレームワークを提案する。
フルウェーブ伝搬のためのコンパクトなニューラルサロゲートは、物理的精度を保ちながら効率的な逆転を実現し、限られたモダリティデータに基づいて訓練される。
得られた画像は、骨、筋肉、脂肪、腺組織の生体力学的特徴を明らかにし、3T MRIに匹敵する構造的解像度を維持している。
論文 参考訳(メタデータ) (2025-08-17T03:46:24Z) - Physics-informed neural network estimation of active material properties in time-dependent cardiac biomechanical models [2.8763745263714005]
本研究では、時間依存型心臓生体力学モデルにおいて、アクティブな収縮性パラメーターを推定するための物理インフォームドニューラルネットワーク(PINN)の適用について検討する。
我々は騒音や空間分解能の高い環境下で様々な活動的応力場を再構築することができる。
このアプローチは、心臓線維症の診断、治療計画、心臓状態の管理を大幅に改善する新たな経路を開く。
論文 参考訳(メタデータ) (2025-05-06T10:01:16Z) - An Optimization Framework to Personalize Passive Cardiac Mechanics [1.3127539363517526]
本研究は、心臓組織の受動力学的特性を推定する逆有限要素解析(iFEA)フレームワークを提案する。
受動的機械的挙動を特徴づけることに焦点をあて、このフレームワークは構造に基づく異方性超弾性モデルを採用している。
本フレームワークは,心相分解CT画像から得られた胆道および左房の心筋モデルを用いて検討した。
論文 参考訳(メタデータ) (2024-04-03T15:23:17Z) - 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) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳(メタデータ) (2022-10-23T15:11:37Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳(メタデータ) (2021-09-23T15:15:21Z)
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。