文献

J-GLOBAL ID：202002237427629602   整理番号：20A1997638

超音波画像における深層学習ベースの非剛体デバイストラッキング【JST・京大機械翻訳】

Deep Learning Based Non-rigid Device Tracking in Ultrasound Image

著者 (2件)： Chen Shaohan (The University of Edinburgh, Kings Buildings, Edinburgh, UK) ,  Wang Shu (King’s College London, St Thomas Hospital, London, UK)
資料名： ACM Proceedings  (ACM Proceedings)
号： CSAI ’18  ページ： 354-358  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 心臓介入法は,心血管疾患のカテーテルに基づく治療を扱う,最小侵襲性手術の重要な型であり,通常,典型的なセットアップとしてX線蛍光透視造影を随伴し,これは,オペレータが長時間,有意な放射線量に曝露されるため,これは望まれない。介入中の心臓専門医とソノグラフに対する放射線ハザードを減らすことにより,本研究は,純超音波画像上で完全自動でロバストな非剛体デバイス追跡とセグメンテーションプラットフォームの開発を目的とする。心臓ファントムを模倣した組織上に集めたデータセットに基づいて,本研究は,深層学習法による自動非剛体装置追跡モデルの構築に焦点を当てた。訓練の前に,目標チップは外部EM追跡装置によって局所化して,次に,追跡フレームワークは,2Dと3D TOE画像に関してUネットを使用する自動チップ分割によって実現した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  オペレータ ,  心臓 ,  放射線 ,  放射線量 ,  心血管疾患 ,  トラッキング装置 ,  二次元 ,  カテーテル ,  *超音波画像 ,  三次元 ,  ロバスト性
準シソーラス用語： 局在化 ,  *深層学習 ,  ハザード , 【Automatic Indexing@JST】

著者キーワード (5件)： 心臓インターベンション ,  Uネット ,  深層学習 ,  セグメンテーションによる追跡 ,  超音波画像

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 音波画像 ,  深層学習 ,  非剛体 ,  トラッキング