論文の概要: Generative-based Airway and Vessel Morphology Quantification on Chest CT Images

• arxiv url: http://arxiv.org/abs/2002.05702v2
• Date: Fri, 13 Mar 2020 16:32:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 09:44:41.818696
• Title: Generative-based Airway and Vessel Morphology Quantification on Chest CT Images
• Title（参考訳）: 胸部CT画像における生成的気道および血管形態の定量化
• Authors: Pietro Nardelli, James C. Ross, Ra\'ul San Jos\'e Est\'epar
• Abstract要約: 本稿では, 気道ラウンジ, 気道壁厚, 血管半径の断面計測を行う畳み込みニューラルレグレシタ(CNR)を提案する。 CNRは、SimulatedおよびUnversa Generative Adrial Network(SimGAN)と組み合わせて使用される合成構造の生成モデルによって生成されたデータを用いて訓練される 血管では小血管血液量の推定値と一酸化炭素(DLCO)の肺拡散能の相関性を評価する。
• 参考スコア（独自算出の注目度）: 8.414072468546875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately and precisely characterizing the morphology of small pulmonary structures from Computed Tomography (CT) images, such as airways and vessels, is becoming of great importance for diagnosis of pulmonary diseases. The smaller conducting airways are the major site of increased airflow resistance in chronic obstructive pulmonary disease (COPD), while accurately sizing vessels can help identify arterial and venous changes in lung regions that may determine future disorders. However, traditional methods are often limited due to image resolution and artifacts. We propose a Convolutional Neural Regressor (CNR) that provides cross-sectional measurement of airway lumen, airway wall thickness, and vessel radius. CNR is trained with data created by a generative model of synthetic structures which is used in combination with Simulated and Unsupervised Generative Adversarial Network (SimGAN) to create simulated and refined airways and vessels with known ground-truth. For validation, we first use synthetically generated airways and vessels produced by the proposed generative model to compute the relative error and directly evaluate the accuracy of CNR in comparison with traditional methods. Then, in-vivo validation is performed by analyzing the association between the percentage of the predicted forced expiratory volume in one second (FEV1\%) and the value of the Pi10 parameter, two well-known measures of lung function and airway disease, for airways. For vessels, we assess the correlation between our estimate of the small-vessel blood volume and the lungs' diffusing capacity for carbon monoxide (DLCO). The results demonstrate that Convolutional Neural Networks (CNNs) provide a promising direction for accurately measuring vessels and airways on chest CT images with physiological correlates.
• Abstract（参考訳）: 肺疾患の診断において, 気道や血管などのCT画像から, 肺構造物の形態を正確に正確に把握することが重要である。 より小さい導管路は慢性閉塞性肺疾患(COPD)において気流抵抗が増大する主要な場所であり、正確に大きさの血管は将来の疾患を決定する可能性のある肺領域の動脈および静脈の変化を特定するのに役立つ。 しかし、従来の方法はしばしば解像度とアーティファクトのために制限される。 本稿では, 気道ルーメン, 気道壁厚, 血管半径の断面計測を行う畳み込み型神経回帰器(cnr)を提案する。 cnrは合成構造の生成モデルによって作成されたデータで訓練され、シミュレーションおよび教師なしの生成副次ネットワーク(simgan)と組み合わせて、既知の地対地を持つシミュレーションおよび洗練された航空路および船舶を作成する。 評価のために,提案手法では,合成空気路と船体を用いて相対誤差を計算し,従来の手法と比較してCNRの精度を直接評価する。 次に、予測された強制呼気量の1秒間(FEV1\%)とPi10パラメータの値、肺機能と気道疾患の2つのよく知られた測定値との相関を気道で分析して、in-vivo検証を行う。 血管では,小血管血液量の推定値と一酸化炭素(DLCO)の肺拡散能の相関性を検討した。 その結果,CNN(Convolutional Neural Networks)は,胸部CT画像上の血管や気道を生理的相関で正確に測定する上で,有望な方向を提供することが示された。

関連論文リスト

• BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images [32.586316762855944]
  我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。 我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
  論文  参考訳（メタデータ） (2023-09-18T00:38:25Z)
• Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the Human Connectome Development Cohort [55.41644538483948]
  本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。 その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
  論文  参考訳（メタデータ） (2023-07-03T18:06:36Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• An Efficient and Robust Method for Chest X-Ray Rib Suppression that Improves Pulmonary Abnormality Diagnosis [0.49998148477760956]
  胸部X線(CXR)に対する胸部骨陰影の抑制は肺疾患の診断を改善することが示唆された。 従来のアプローチは、教師なしの物理的および教師なしのディープラーニングモデルに分類される。 本研究では,(1)空間変換勾配場における物理モデルによる最小化によりGT骨影を除去した2段階のトレーニングペアの生成について,一般化可能かつ効率的なワークフローを提案する。 2) 受信したCXRの高速リブ除去のために,ステージ1データセット上でのネットワークトレーニングをフル教師する。
  論文  参考訳（メタデータ） (2023-02-19T23:47:02Z)
• Airway measurement by refinement of synthetic images improves mortality prediction in idiopathic pulmonary fibrosis [1.3290985445255554]
  我々は,私たちのモデルであるエアウェイ・トランスファー・ネットワーク(ATN)をトレーニングするために,知覚的損失を用いたスタイル伝達による気道合成を提案する。 ATNは最先端のGANベースネットワーク(simGAN)よりも高速で訓練が容易であった。 ATNベースの気道測定は、IPF CT上のsimGAN由来気道測定値よりも一貫して死亡率の予測因子であることが判明した。
  論文  参考訳（メタデータ） (2022-08-30T10:48:48Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Automatic Pulmonary Artery and Vein Separation Algorithm Based on Multitask Classification Network and Topology Reconstruction in Chest CT Images [6.7068805048290425]
  胸部CT像から肺動脈と静脈を自動的に分離する新しい方法を提案する。 提案手法は非コントラスト胸部CTの平均精度96.2%を達成した。
  論文  参考訳（メタデータ） (2021-03-22T11:25:45Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Geometric Uncertainty in Patient-Specific Cardiovascular Modeling with Convolutional Dropout Networks [0.0]
  患者固有の心血管モデルの条件分布からサンプルを生成する新しい手法を提案する。 提案手法で導入された主な革新は、トレーニングデータから直接幾何的不確実性を学ぶ能力である。
  論文  参考訳（メタデータ） (2020-09-16T00:13:12Z)

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。