Fugu-MT 論文翻訳(概要): Coronary Artery Segmentation in Angiographic Videos Using A 3D-2D CE-Net

論文の概要: Coronary Artery Segmentation in Angiographic Videos Using A 3D-2D CE-Net

arxiv url: http://arxiv.org/abs/2003.11851v3
Date: Mon, 18 May 2020 01:29:50 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 22:08:56.918577
Title: Coronary Artery Segmentation in Angiographic Videos Using A 3D-2D CE-Net
Title（参考訳）: 3D-2D CE-Netを用いた冠動脈分割術
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,最も鮮明で包括的な冠状血管造影像をビデオシーケンスから抽出できる新しいビデオセグメンテーションフレームワークを提案する。入力は、血管造影ビデオの連続したフレームであり、出力はセグメンテーション結果のマスクである。
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: Coronary angiography is an indispensable assistive technique for cardiac interventional surgery. Segmentation and extraction of blood vessels from coronary angiography videos are very essential prerequisites for physicians to locate, assess and diagnose the plaques and stenosis in blood vessels. This article proposes a new video segmentation framework that can extract the clearest and most comprehensive coronary angiography images from a video sequence, thereby helping physicians to better observe the condition of blood vessels. This framework combines a 3D convolutional layer to extract spatial--temporal information from a video sequence and a 2D CE--Net to accomplish the segmentation task of an image sequence. The input is a few continuous frames of angiographic video, and the output is a mask of segmentation result. From the results of segmentation and extraction, we can get good segmentation results despite the poor quality of coronary angiography video sequences.
Abstract（参考訳）: 冠動脈造影は心臓の介入手術に欠かせない補助技術である。冠動脈造影ビデオからの血管の分画と抽出は、医師が血管のプラークと狭窄を発見、評価、診断するために必要な必須条件である。本稿では,ビデオシーケンスから最も鮮明かつ最も包括的な冠動脈造影像を抽出し,医師が血管の状態をよりよく観察するための新しいビデオセグメンテーションフレームワークを提案する。この枠組みは、3次元畳み込み層を組み合わせることで、映像シーケンスから空間-時間情報を抽出することと、画像シーケンスのセグメンテーションタスクを達成する2次元ce-netとを組み合わせる。入力は、血管造影ビデオの連続したフレームであり、出力はセグメンテーション結果のマスクである。セグメンテーションと抽出の結果から,冠動脈造影ビデオの画質が低いにもかかわらず,良好なセグメンテーションが得られた。

関連論文リスト

AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。 AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。 1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
論文参考訳（メタデータ） (2024-06-13T01:04:47Z)
Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
Towards Simultaneous Segmentation of Liver Tumors and Intrahepatic Vessels via Cross-attention Mechanism [3.291044793301153]
医用画像の正確な分割を行う3D U-shaped Cross-Attention Network (UCA-Net)を提案する。 UCA-Netは、チャネルワイドのクロスアテンションモジュールを使用して、エンコーダとデコーダのセマンティックギャップを減らし、スライスワイドのクロスアテンションモジュールを使用してコンテキストセマンティック学習能力を向上する。実験の結果,提案したUCA-Netは,肝腫瘍および肝内血管分割作業において,正確に3次元医用画像のセグメンテーションを行い,最先端のパフォーマンスを達成できることが示唆された。
論文参考訳（メタデータ） (2023-02-20T06:17:03Z)
Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文参考訳（メタデータ） (2023-01-12T08:19:46Z)
Computed tomography coronary angiogram images, annotations and associated data of normal and diseased arteries [8.516530964229814]
CTCAは冠動脈の解剖と疾患を評価する非侵襲的手法である。私たちの知る限り、完全な冠状樹の中心線とセグメンテーションを含むパブリックデータセットはありません。データは、患者固有の3Dプリンティングモデル、セグメンテーションアルゴリズムの開発と検証、医療従事者の教育と訓練、医療機器のテストなど、様々な研究目的に使用できる。
論文参考訳（メタデータ） (2022-11-03T14:50:43Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
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)
End-to-End Deep Learning Model for Cardiac Cycle Synchronization from Multi-View Angiographic Sequences [3.4377441151536376]
異なるビューの時間的マッチングは、同時に取得されない可能性があるが、冠動脈セグメントの正確なステレオマッチングの前提条件である。心臓循環中に異なる視点を同期させるため、血管造影シークエンスからニューラルネットワークをトレーニングする方法を示す。
論文参考訳（メタデータ） (2020-09-04T18:11:50Z)
Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
論文参考訳（メタデータ） (2020-08-13T12:53:26Z)
Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文参考訳（メタデータ） (2020-06-25T21:10:04Z)
Reducing the X-ray radiation exposure frequency in cardio-angiography via deep-learning based video interpolation [4.722039838364292]
高フレームレートで冠動脈造影ビデオを得るには、医師はX線の露出頻度と強度を高める必要がある。本研究では,深層学習に基づく画像データセットアルゴリズムを革新的に利用し,冠動脈造影ビデオの補間を行う。
論文参考訳（メタデータ） (2020-06-01T08:14:10Z)

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。