Fugu-MT 論文翻訳(概要): Weakly-supervised 3D coronary artery reconstruction from two-view angiographic images

論文の概要: Weakly-supervised 3D coronary artery reconstruction from two-view angiographic images

arxiv url: http://arxiv.org/abs/2003.11846v1
Date: Thu, 26 Mar 2020 11:41:38 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 22:09:13.919075
Title: Weakly-supervised 3D coronary artery reconstruction from two-view angiographic images
Title（参考訳）: 血管造影画像からの3次元冠動脈再建術の検討
Authors: Lu Wang, Dong-xue Liang, Xiao-lei Yin, Jing Qiu, Zhi-yun Yang, Jun-hui Xing, Jian-zeng Dong, Zhao-yuan Ma
Abstract要約: 本稿では,3次元冠状動脈モデル構築のための対角的および生成的手法を提案する。 3D完全教師付き学習法と2D弱教師付き学習法により,最先端技術を上回る再現精度を得た。
参考スコア（独自算出の注目度）: 4.722039838364292
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The reconstruction of three-dimensional models of coronary arteries is of great significance for the localization, evaluation and diagnosis of stenosis and plaque in the arteries, as well as for the assisted navigation of interventional surgery. In the clinical practice, physicians use a few angles of coronary angiography to capture arterial images, so it is of great practical value to perform 3D reconstruction directly from coronary angiography images. However, this is a very difficult computer vision task due to the complex shape of coronary blood vessels, as well as the lack of data set and key point labeling. With the rise of deep learning, more and more work is being done to reconstruct 3D models of human organs from medical images using deep neural networks. We propose an adversarial and generative way to reconstruct three dimensional coronary artery models, from two different views of angiographic images of coronary arteries. With 3D fully supervised learning and 2D weakly supervised learning schemes, we obtained reconstruction accuracies that outperform state-of-art techniques.
Abstract（参考訳）: 冠動脈の3次元モデルの再構築は,冠動脈の狭窄とプラークの局在,評価,診断,および外科的介入の補助的ナビゲーションに非常に重要である。臨床的には, 冠動脈造影のいくつかの角度を用いて動脈像を撮影するので, 冠動脈造影画像から直接3D再構成を行うことは極めて有用である。しかし、これは、冠動脈の複雑な形状やデータセットの欠如、キーポイントのラベル付けが原因で、非常に難しいコンピュータビジョンタスクである。ディープラーニングの台頭に伴い、深層ニューラルネットワークを使用して医療画像から人間の臓器の3dモデルを再構築する作業がますます増えている。冠動脈の血管像の異なる2つの視点から,3次元冠動脈モデルを構築するための逆行性および生成的方法を提案する。 3D完全教師付き学習法と2D弱教師付き学習法により,最先端技術を上回る再現精度を得た。

関連論文リスト

3DGR-CAR: Coronary artery reconstruction from ultra-sparse 2D X-ray views with a 3D Gaussians representation [13.829610843207746]
3D冠動脈再建は,冠動脈疾患の診断,治療計画,手術ナビゲーションに重要である。従来の再建技術は、しばしば多くの投射を必要とするが、スパースビューのX線投射からの再構成は、放射線線量を減らす潜在的方法である。超スパースX線投影による冠動脈再建のための3次元ガウス表現法である3DGR-CARを提案する。
論文参考訳（メタデータ） (2024-10-01T05:00:47Z)
NeCA: 3D Coronary Artery Tree Reconstruction from Two 2D Projections by Neural Implicit Representation [2.1771042711033997]
2D x線による冠動脈造影は, CVDの診断において最も広く採用されている画像モダリティである。放射線限界のため、一般的には2つの血管造影プロジェクションのみを取得し、血管形状の限られた情報を提供する。マルチレゾリューションハッシュエンコーダと差別化可能なコーンビームフォワードプロジェクタ層を用いた暗黙のニューラル表現に基づく,NeCAと呼ばれる自己教師型ディープラーニング手法を提案する。
論文参考訳（メタデータ） (2024-09-06T20:08:21Z)
Deep Learning-based 3D Coronary Tree Reconstruction from Two 2D Non-simultaneous X-ray Angiography Projections [1.9929038355503754]
心臓血管疾患(CVD)は、世界中で最も多い死因である。 CVDの診断において,侵襲的X線冠動脈造影(ICA)は最も重要な画像モダリティの1つである。 ICAは一般的に2Dプロジェクションしか取得しないため、冠動脈の3D形状は解釈が困難である。本研究では,非定常投射間における非剛性心・呼吸運動の補正のための新しい深層学習パイプラインを提案する。
論文参考訳（メタデータ） (2024-07-19T18:18:17Z)
3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文参考訳（メタデータ） (2024-05-17T11:23:33Z)
Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。本手法は,多視点グローバル情報を自然に学習することができる。
論文参考訳（メタデータ） (2023-07-24T14:43:07Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph Convolutional Networks [1.8244763402770727]
3DAngioNetは、2つのビューから2D XCA画像を使用して高速な3Dコンテナメッシュ再構築を可能にする、新しいディープラーニング(DL)システムである。提案手法は,効率的なB3-UNetセグメンテーションネットワークとプロジェクションジオメトリを用いて粗いメッシュテンプレートを学習し,グラフ畳み込みネットワークを用いて変形する。
論文参考訳（メタデータ） (2023-02-28T17:46:25Z)
3D Vessel Reconstruction in OCT-Angiography via Depth Map Estimation [26.489218604637678]
2次元OCTA画像(顔血管造影)における血管のマニュアルまたは自動解析は、一般的に臨床で用いられる。 OCTA画像から船舶深度マップを推定した新しい3次元船舶再構築フレームワークを紹介します。
論文参考訳（メタデータ） (2021-02-26T16:53:39Z)
Tattoo tomography: Freehand 3D photoacoustic image reconstruction with an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。現在の欠点は、従来の2Dプローブによって提供される視野の制限である。本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文参考訳（メタデータ） (2020-11-10T09:27:56Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)
A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがあるコンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文参考訳（メタデータ） (2020-08-22T07:48:04Z)

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。