文献

J-GLOBAL ID：202202238787071716   整理番号：22A0396596

非標識in vivoデータを有する深層ネットワーク超音波ビームフォーマの訓練【JST・京大機械翻訳】

Training Deep Network Ultrasound Beamformers With Unlabeled In Vivo Data

著者 (7件)： Tierney Jaime (Department of Biomedical Engineering, Vanderbilt University, Nashville, TN, USA) ,  Luchies Adam (Department of Biomedical Engineering, Vanderbilt University, Nashville, TN, USA) ,  Khan Christopher (Department of Biomedical Engineering, Vanderbilt University, Nashville, TN, USA) ,  Baker Jennifer (Department of Radiology, Vanderbilt University Medical Center, Nashville, TN, USA) ,  Brown Daniel (Department of Radiology, Vanderbilt University Medical Center, Nashville, TN, USA) ,  Byram Brett (Department of Biomedical Engineering, Vanderbilt University, Nashville, TN, USA) ,  Berger Matthew (Department of Electrical Engineering and Computer Science, Vanderbilt University, Nashville, TN, USA)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 41  号： 1  ページ： 158-171  発行年： 2022年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
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： 従来の遅延と和(DAS)ビーム成形は非常に効率的であるが,画像劣化の多様な源にも悩まされている。より最近提案された深層学習法を含む,この問題に対処するために,いくつかの適応ビームフォーマを提案した。深層学習により,適応ビーム成形は,通常,回帰問題としてフレーム化され,そこでは,クリーングラウンドトルース物理情報が訓練のために使用される。in vivoでのグランドトルース情報を知ることは難しいので,訓練データは通常シミュレートされる。しかし,シミュレーションで訓練された深層ネットワークは,シミュレーションおよびin vivoデータ間のドメインシフトのため,準最適in vivo画像品質を作り出すことができる。本研究では,訓練中に非ラベルのin vivoデータを組み込むことによりドメインシフトを補正する新しいドメイン適応(DA)方式を提案した。両入力ドメインが同一ターゲットドメインに写像する分類タスクとは異なり,回帰ベースビーム成形シナリオにおける課題は,ドメインシフトが入力とターゲットデータの両方に存在することである。この問題を解決するため,著者らは,入力とグランドトルースターゲットドメインの両方におけるシミュレーションおよびin vivoデータ間のマッピングに,サイクル一貫した生成敵対ネットワークを利用した。さらに,シミュレーションとin vivoデータの間の共有特徴と同様に,分離のために,ドメイン特異的ビームフォーマを訓練するために拡張特徴マッピングを使用した。様々なタイプの訓練データを用いて,提案したDAアプローチの限界と基礎となる機能を調べた。さらに,提案手法をいくつかの他の適応ビームフォーマと比較した。DA DNNビームフォーマを用いて,確立された技術と比較して,一貫したin vivo画像品質改善を達成した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *超音波 ,  *ネットワーク ,  画質 ,  深層 ,  *ビーム成形
準シソーラス用語： 訓練データ ,  品質改善 ,  画像劣化 ,  グランドトゥルース ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 標識 ,  深層 ,  超音波ビーム ,  フォーマ ,  訓練