論文の概要: L-CO-Net: Learned Condensation-Optimization Network for Clinical
Parameter Estimation from Cardiac Cine MRI
- arxiv url: http://arxiv.org/abs/2004.11253v1
- Date: Tue, 21 Apr 2020 23:59:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-12-11 07:42:22.427472
- Title: L-CO-Net: Learned Condensation-Optimization Network for Clinical
Parameter Estimation from Cardiac Cine MRI
- Title(参考訳): L-CO-Net:心内膜MRIによる臨床パラメータ推定のための学習型凝縮最適化ネットワーク
- Authors: S. M. Kamrul Hasan, Cristian A. Linte
- Abstract要約: 学習グループ構造と正規化ウェイトプルーナーを兼ね備えた完全畳み込みセグメンタを実装した。
心循環を通じて健常な1群と4群の病理組織を特徴とするACDCデータセットの枠組みを検証した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we implement a fully convolutional segmenter featuring both a
learned group structure and a regularized weight-pruner to reduce the high
computational cost in volumetric image segmentation. We validated our framework
on the ACDC dataset featuring one healthy and four pathology groups imaged
throughout the cardiac cycle. Our technique achieved Dice scores of 96.8% (LV
blood-pool), 93.3% (RV blood-pool) and 90.0% (LV Myocardium) with five-fold
cross-validation and yielded similar clinical parameters as those estimated
from the ground truth segmentation data. Based on these results, this technique
has the potential to become an efficient and competitive cardiac image
segmentation tool that may be used for cardiac computer-aided diagnosis,
planning, and guidance applications.
- Abstract(参考訳): 本研究では,学習群構造と正規化重みプリナーの両方を特徴とする完全畳み込みセグメンテーションを実装し,ボリューム画像セグメンテーションの計算コストを低減した。
心循環を通じて健常な1群と4群の病理組織を特徴とするACDCデータセットの枠組みを検証した。
本手法はDiceスコア96.8%(LV血液プール),93.3%(RV血液プール),90.0%(LV心筋)を5倍のクロスバリデーションで達成し,基礎的真理セグメンテーションデータと類似した臨床パラメータを得た。
これらの結果から, この技術は, 心的コンピュータ支援診断, 計画, ガイダンスの応用に使用できる, 効率的かつ競争力のある心画像分割ツールとなる可能性がある。
関連論文リスト
- Augmentation-based Domain Generalization and Joint Training from Multiple Source Domains for Whole Heart Segmentation [0.49923266458151416]
心臓血管疾患は 世界中の死因です
心臓全体を表す重要な心臓構造のセマンティックセグメンテーションは、患者固有の心臓形態と病理を評価するのに有用である。
深層学習に基づく医用画像セグメンテーションの手法は、過去10年間で大きな進歩を遂げた。
論文 参考訳(メタデータ) (2025-08-06T15:37:22Z) - Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。
まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
論文 参考訳(メタデータ) (2025-07-22T13:24:45Z) - Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation [4.2354517141466275]
本研究は, 包括的および多モード心サブストラクチャ分割のためのModality-Agnostic Image Cascade (MAGIC)を導入し, 検証する。
MAGICは、nU-NetベースのU字型のバックボーンの複製エンコーディングとデコードによって実装される。
論文 参考訳(メタデータ) (2025-06-12T15:10:24Z) - High Accuracy Pulmonary Vessel Segmentation for Contrast and Non-contrast CT Images and Clinical Evaluation [7.2151442883882]
造影CT画像と非造影CT画像から肺血管の自動分画を行うための3次元画像分画アルゴリズムを提案する。
我々は、複数のベンダーや国から427セットの高精度CTデータを用いてモデルを訓練し、NCCTデータに対して0.892, 0.861, 0.924, 0.925, 0.903, 0.949のCl-DICE, Cl-リコールおよびリコール値を得た。
論文 参考訳(メタデータ) (2025-03-21T09:54:42Z) - Multi-Stage Segmentation and Cascade Classification Methods for Improving Cardiac MRI Analysis [15.236546465767026]
心磁気共鳴画像のセグメンテーションと分類における深層学習に基づく新しいアプローチを提案する。
その結果,左心室では0.974,右心室では0.947のDice係数が得られた。
分類には,肥大型心筋症,心筋梗塞,拡張型心筋症などの心疾患を識別するために,深層学習分類器のカスケードが用いられた。
論文 参考訳(メタデータ) (2024-12-12T15:53:14Z) - An Improved Approach for Cardiac MRI Segmentation based on 3D UNet Combined with Papillary Muscle Exclusion [0.0]
異なるフェーズにおいて、心臓構造を正確にセグメンテーションするための堅牢なアルゴリズムを開発することが重要である。
本研究では,乳頭筋を除いた心筋とLVのセグメンテーションに改良された3次元UNetモデルを導入する。
提案フレームワークの実用試験では, 合計8,400枚の心MRI画像を収集し, 解析した。
論文 参考訳(メタデータ) (2024-10-09T12:19:58Z) - Classification, Regression and Segmentation directly from k-Space in Cardiac MRI [11.690226907936903]
我々は,k空間データを直接処理するためのトランスフォーマーモデルであるKMAEを提案する。
KMAEは、重要な心臓疾患の分類、関連する表現型回帰、および心臓セグメンテーションタスクを扱うことができる。
心臓MRIにおけるk-space-based diagnosisの可能性について検討した。
論文 参考訳(メタデータ) (2024-07-29T15:35:35Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳(メタデータ) (2023-07-25T09:48:13Z) - 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) - On the Automated Segmentation of Epicardial and Mediastinal Cardiac
Adipose Tissues Using Classification Algorithms [0.9176056742068814]
本研究は,心臓脂肪パッドの自動セグメンテーションのための新しい技術を提案する。
本手法は,心臓CT画像のセグメンテーションに分類アルゴリズムを適用することに基づく。
心内膜脂肪および縦隔脂肪の分類における平均精度は98.4%であった。
論文 参考訳(メタデータ) (2022-08-30T15:57:02Z) - 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) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳(メタデータ) (2021-08-21T16:15:40Z) - Multi-class probabilistic atlas-based whole heart segmentation method in
cardiac CT and MRI [4.144197343838299]
本稿では,非剛性登録に基づく確率的アトラスを用いたマルチクラス全心セグメンテーションの枠組みを提案する。
また,高い到達可能な相互情報を得るためのマルチレゾリューション戦略を利用した非剛性登録パイプラインを提案する。
提案手法は,CTスキャンにおいて平均ボリュームオーバーラップ誤差が14.5 % であることを示す。
論文 参考訳(メタデータ) (2021-02-03T01:02:09Z) - 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) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳(メタデータ) (2020-05-27T06:58:39Z) - 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) - CondenseUNet: A Memory-Efficient Condensely-Connected Architecture for
Bi-ventricular Blood Pool and Myocardium Segmentation [0.0]
本稿では,CondenseNetとDenseNetの両方を改良したメモリ効率の良い畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
実験の結果,提案アーキテクチャは自動心臓診断チャレンジデータセット上で動作していることがわかった。
論文 参考訳(メタデータ) (2020-04-05T16:34:51Z)
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。