論文の概要: Automatic Right Ventricle Segmentation using Multi-Label Fusion in
Cardiac MRI
- arxiv url: http://arxiv.org/abs/2004.02317v1
- Date: Sun, 5 Apr 2020 21:06:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 13:10:24.690304
- Title: Automatic Right Ventricle Segmentation using Multi-Label Fusion in
Cardiac MRI
- Title(参考訳): 心臓MRIにおけるMulti-Label Fusionを用いた自動右室セグメンテーション
- Authors: Maria A. Zuluaga and M. Jorge Cardoso and S\'ebastien Ourselin
- Abstract要約: 心臓磁気共鳴画像(MRI)におけるRVの完全自動分割法を提案する。
本手法は,マルチアトラス伝搬セグメンテーションフレームワークと組み合わせた粗大なセグメンテーション戦略を用いる。
本手法は, 相互相関測定値に基づいて, 伝播の各繰り返しにおけるセグメンテーションの洗練を実現するために, 伝搬のための最適なアトラスを選択する。
- 参考スコア(独自算出の注目度): 4.655680114261973
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate segmentation of the right ventricle (RV) is a crucial step in the
assessment of the ventricular structure and function. Yet, due to its complex
anatomy and motion segmentation of the RV has not been as largely studied as
the left ventricle. This paper presents a fully automatic method for the
segmentation of the RV in cardiac magnetic resonance images (MRI). The method
uses a coarse-to-fine segmentation strategy in combination with a multi-atlas
propagation segmentation framework. Based on a cross correlation metric, our
method selects the best atlases for propagation allowing the refinement of the
segmentation at each iteration of the propagation. The proposed method was
evaluated on 32 cardiac MRI datasets provided by the RV Segmentation Challenge
in Cardiac MRI.
- Abstract(参考訳): 右室の正確なセグメンテーション(rv)は、心室の構造と機能を評価する上で重要なステップである。
しかし、複雑な解剖学とRVの運動分節化は左心室ほど大きく研究されていない。
本稿では,心磁気共鳴画像(MRI)におけるRVのセグメンテーションを完全自動で行う手法を提案する。
本手法は,マルチアトラス伝搬セグメンテーションフレームワークと組み合わせた粗大なセグメンテーション戦略を用いる。
クロス相関メトリックに基づいて,提案手法は伝播の各イテレーションにおけるセグメンテーションの精細化を可能にするための最善のアトラスを選択する。
提案手法は,心臓MRIにおけるRVセグメンテーションチャレンジによって提供される32個の心MRIデータセットを用いて評価した。
関連論文リスト
- Lost in Tracking: Uncertainty-guided Cardiac Cine MRI Segmentation at Right Ventricle Base [6.124743898202368]
本稿では,CMRセグメンテーションにおける未解決問題,特にRVベースに対処することを提案する。
本稿では,時間的アンコヒーレンスを利用して平面間動きの発生時にセグメンテーションを通知する新しいデュアルエンコーダU-Netアーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-10-04T11:14:31Z) - Two-Phase Segmentation Approach for Accurate Left Ventricle Segmentation in Cardiac MRI using Machine Learning [0.8521378010565595]
この研究の中心的な課題は、3種類のLVスライスに適用されるパラメータのセットが存在しないことである。
この問題に対処するために,LVセグメンテーションを強化する新しい手法を提案する。
提案手法はスライスの種類ごとに異なるパラメータの集合を用いており、結果として2相分割法が成立する。
論文 参考訳(メタデータ) (2024-07-29T19:26:24Z) - Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。
2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
論文 参考訳(メタデータ) (2024-06-20T17:47:30Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-09T05:57:01Z) - A Comprehensive 3-D Framework for Automatic Quantification of Late
Gadolinium Enhanced Cardiac Magnetic Resonance Images [5.947543669357994]
後期ガドリニウム増強(LGE)心筋磁気共鳴(CMR)は、高強度の非生存性心筋を直接可視化することができる。
心臓発作患者に対しては,LGE CMR画像の解析と定量化により適切な治療の決定を容易にすることが重要である。
正確な定量化を実現するためには、LGE CMR画像は心筋の分画と梗塞の分類の2つのステップで処理する必要がある。
論文 参考訳(メタデータ) (2022-05-21T11:54:39Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳(メタデータ) (2022-02-22T15:24:06Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳(メタデータ) (2022-01-10T06:37:23Z) - Semi-supervised Cardiac Image Segmentation via Label Propagation and
Style Transfer [21.160227706899974]
左心室(LV)と右心室(RV)の血液プールを含む心臓構造を分割するためのフルオートマチックな方法を提案する。
具体的には,ラベル伝搬によるmriシーケンス時間枠を利用した半教師付き学習法を考案する。
私達はより強い心臓イメージの区分のための異なった中心およびベンダー間の分散を減らすために様式の移動を利用します。
論文 参考訳(メタデータ) (2020-12-29T14:57:03Z) - Learning Directional Feature Maps for Cardiac MRI Segmentation [13.389141642517762]
本稿では,クラス間の差分とクラス内の類似度を同時に強化する指向性特徴写像を利用する新しい手法を提案する。
具体的には,最寄りの心臓組織の境界から各ピクセルに向けられた方向のフィールドを学習する。
学習方向のフィールドに基づいて、元のセグメンテーション機能を改善するために、特徴修正と融合(FRF)モジュールを提案する。
論文 参考訳(メタデータ) (2020-07-22T11:31:04Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z)
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。