論文の概要: Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark
Study from Multi-Sequence Cardiac MR Segmentation Challenge
- arxiv url: http://arxiv.org/abs/2006.12434v2
- Date: Sat, 17 Jul 2021 13:55:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 06:51:25.923750
- Title: Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark
Study from Multi-Sequence Cardiac MR Segmentation Challenge
- Title（参考訳）: 遅発性ガドリニウム造影mriにおける心筋分画 : 多列心筋mr分画課題からの検討
- Authors: Xiahai Zhuang, Jiahang Xu, Xinzhe Luo, Chen Chen, Cheng Ouyang, Daniel
Rueckert, Victor M. Campello, Karim Lekadir, Sulaiman Vesal, Nishant
RaviKumar, Yashu Liu, Gongning Luo, Jingkun Chen, Hongwei Li, Buntheng Ly,
Maxime Sermesant, Holger Roth, Wentao Zhu, Jiexiang Wang, Xinghao Ding,
Xinyue Wang, Sen Yang, Lei Li
- Abstract要約: 本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。
新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。
これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
- 参考スコア（独自算出の注目度）: 43.01944884184009
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Accurate computing, analysis and modeling of the ventricles and myocardium
from medical images are important, especially in the diagnosis and treatment
management for patients suffering from myocardial infarction (MI). Late
gadolinium enhancement (LGE) cardiac magnetic resonance (CMR) provides an
important protocol to visualize MI. However, automated segmentation of LGE CMR
is still challenging, due to the indistinguishable boundaries, heterogeneous
intensity distribution and complex enhancement patterns of pathological
myocardium from LGE CMR. Furthermore, compared with the other sequences LGE CMR
images with gold standard labels are particularly limited, which represents
another obstacle for developing novel algorithms for automatic segmentation of
LGE CMR. This paper presents the selective results from the Multi-Sequence
Cardiac MR (MS-CMR) Segmentation challenge, in conjunction with MICCAI 2019.
The challenge offered a data set of paired MS-CMR images, including auxiliary
CMR sequences as well as LGE CMR, from 45 patients who underwent
cardiomyopathy. It was aimed to develop new algorithms, as well as benchmark
existing ones for LGE CMR segmentation and compare them objectively. In
addition, the paired MS-CMR images could enable algorithms to combine the
complementary information from the other sequences for the segmentation of LGE
CMR. Nine representative works were selected for evaluation and comparisons,
among which three methods are unsupervised methods and the other six are
supervised. The results showed that the average performance of the nine methods
was comparable to the inter-observer variations. The success of these methods
was mainly attributed to the inclusion of the auxiliary sequences from the
MS-CMR images, which provide important label information for the training of
deep neural networks.
- Abstract（参考訳）: 特に心筋梗塞 (mi) 患者の診断・治療管理において, 医用画像から心室および心筋の正確な計算, 解析, モデリングが重要である。
後期ガドリニウム増強(LGE)心磁気共鳴(CMR)はMIを可視化するための重要なプロトコルである。
しかし, LGE CMRは, 境界線, 不均一強度分布, 病理心筋の複雑な拡張パターンにより, 自動セグメンテーションは依然として困難である。
さらに、他のLGE CMR画像と比較すると、ゴールド標準ラベルは特に制限されており、LGE CMRの自動セグメンテーションのための新しいアルゴリズムを開発するもう1つの障害となっている。
本報告ではMICCAI 2019とともに,Multi-Sequence Cardiac MR (MS-CMR) Segmentation Challengeの選択的結果について述べる。
この課題は、補助的なCMR配列を含むMS-CMR画像と、心臓筋症を患った45人の患者からのLGE CMR画像のデータセットを提供した。
新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。
さらに、組合わせのMS-CMR画像は、LGE CMRのセグメンテーションのために他のシーケンスからの補完情報を合成することができる。
評価と比較のために9つの代表的作品が選択され、そのうち3つの方法が教師なしで、残りの6つは教師なしである。
その結果,9つのメソッドの平均性能は,サーバ間変動に匹敵することがわかった。
これらの手法の成功は主に、ディープニューラルネットワークのトレーニングに重要なラベル情報を提供するMS-CMR画像からの補助的シーケンスを含むことに起因する。
関連論文リスト
- CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI [39.0162369912624]
CMRxRecon2024データセットは、最も大きく、最も多種多様な公開されたk空間データセットである。
健常者330名から取得され、一般的に使用されるモダリティ、解剖学的視点、臨床心臓MRIにおける獲得軌跡をカバーしている。
論文 参考訳（メタデータ） (2024-06-27T09:50:20Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination
of Multi-Sequence CMR Images [21.671773978257253]
我々はMyoPS-Netと呼ばれるエンド・ツー・エンドのディープ・ニューラルネットワークを開発し、MyoPSのための5シーケンス心磁気共鳴(CMR)画像を柔軟に組み合わせた。
正確かつ適切な情報を抽出するために,クロスモーダルな特徴を抽出・融合する効果的かつフレキシブルなアーキテクチャを設計する。
その結果,MyoPS-Netの優位性と一般化性が証明され,さらに臨床的に有用であることが示唆された。
論文 参考訳（メタデータ） (2022-11-06T08:46:24Z) - Myocardial Segmentation of Late Gadolinium Enhanced MR Images by
Propagation of Contours from Cine MR Images [6.380798162584172]
本研究では,同一患者のシネ画像とLGE画像の共有情報を完全に活用する自動セグメンテーションフレームワークを提案する。
シンCMR画像における心筋の輪郭を考慮し,LGE CMR画像の粗大な分画化を実現する。
論文 参考訳（メタデータ） (2022-05-21T13:34:59Z) - AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images [23.212429566838203]
マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
論文 参考訳（メタデータ） (2022-01-14T08:59:54Z) - 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) - Multi-Modality Cardiac Image Analysis with Deep Learning [16.814634972950717]
晩期ガドリニウム造影MRI(LGE MRI)は,心筋梗塞(MI)および心房粗動の可視化と定量化に有望な手法である。
本章は,深層学習に基づく多モード心画像解析における現状と最近の進歩を要約することを目的としている。
論文 参考訳（メタデータ） (2021-11-08T12:54:11Z) - Anatomically-Informed Deep Learning on Contrast-Enhanced Cardiac MRI for
Scar Segmentation and Clinical Feature Extraction [6.386874708851962]
コントラスト・エンハンスメント(LGE)を用いた心臓磁気共鳴画像(CMR)による心臓の傷跡と線維化の可視化は、疾患の進行と不整脈の病態生理学的基質の定量化において最重要である。
本稿では,左室(LV)と難治/線維化分節の完全自動深層学習ソリューションと,LGE-CMRによる臨床像抽出について述べる。
この技術は、3つのカスケード畳み込みニューラルネットワークによって、生のLGE-CMR画像から心筋と線維化を分離し、解剖学的ガイドラインの中でこれらのセグメンテーションを拘束する。
論文 参考訳（メタデータ） (2020-10-21T15:43:08Z) - 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。