超音波画像のロバスト散乱数密度セグメンテーション【JST・京大機械翻訳】

Tehrani Ali K. Z.; Rosado-Mendez Ivan M.; Rivaz Hassan

プレプリント

J-GLOBAL ID：202202208554910674 整理番号：22P0275303

超音波画像のロバスト散乱数密度セグメンテーション【JST・京大機械翻訳】

Robust Scatterer Number Density Segmentation of Ultrasound Images

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月16日プレプリントサーバーでの情報更新日： 2022年01月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

定量的UltraSound(QUS)は臨床スキャナからの後方散乱エコー信号を用いて組織微細構造に関する情報を明らかにすることを目的とする。異なるQUSパラメータの中で,散乱体数密度は,他のQUSパラメータの推定に影響を与える重要な特性である。散乱体数密度は,高または低散乱体密度に分類することができる。分解能セル内に10以上の散乱体が存在するならば,エンベロープデータは,Develooped Specle(UDS)として,完全Develooped Specle(FDS)として考慮された。従来手法では,エンベロープデータを小さな重複ウィンドウ(ここではパッチングと呼ぶ戦略)に分割し,SNRや歪のような統計的パラメータを用いて,エンベロープデータの各パッチを分類した。しかし,これらのパラメータは,それらの分布が画像設定とパッチサイズによって変化することができるシステムに依存する意味である。したがって,既知の散乱体数密度を持つ参照ファントムを,システム依存性を緩和するために同じイメージング設定で画像化した。本論文では,パッチングなしに超音波データのセグメントを分割することを目的とする。高速シミュレーション法を用いて,散乱体数密度と平均散乱体振幅の異なる形状を持つ大きなデータセットを生成した。セグメンテーションタスクのために畳み込みニューラルネットワーク(CNN)を採用し,ネットワークを異なる画像設定で異なるデータセットでテストするとき,ドメインシフトの影響を調べた。性能を改善するために,マルチタスク学習のために,Nakagamiパラメトリック画像を採用した。さらに,QUSにおける参照ファントム法に触発されて,FDSとUDSクラスからのデータの2つのフレームだけを必要とするAドメイン適応段階を提案した。異なる実験ファントムとin vivoデータに対するこの方法を評価した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

医用画像処理 , 音響信号処理 , 生体計測

, , , ,

前のページに戻る