論文の概要: Self-supervised Skull Reconstruction in Brain CT Images with Decompressive Craniectomy

• arxiv url: http://arxiv.org/abs/2007.03817v2
• Date: Sat, 11 Jul 2020 00:33:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 20:26:38.678772
• Title: Self-supervised Skull Reconstruction in Brain CT Images with Decompressive Craniectomy
• Title（参考訳）: 頭蓋骨切除による脳ct画像の自己教師あり頭蓋再建
• Authors: Franco Matzkin, Virginia Newcombe, Susan Stevenson, Aneesh Khetani, Tom Newman, Richard Digby, Andrew Stevens, Ben Glocker, Enzo Ferrante
• Abstract要約: TBI後の頭蓋切除時に摘出した頭蓋骨欠損を再建する深層学習法を提案する。 この再構成は、例えば、頭蓋形成プレートの作成をサポートするために、複数のシナリオで有用である。
• 参考スコア（独自算出の注目度）: 13.695197074035928
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Decompressive craniectomy (DC) is a common surgical procedure consisting of the removal of a portion of the skull that is performed after incidents such as stroke, traumatic brain injury (TBI) or other events that could result in acute subdural hemorrhage and/or increasing intracranial pressure. In these cases, CT scans are obtained to diagnose and assess injuries, or guide a certain therapy and intervention. We propose a deep learning based method to reconstruct the skull defect removed during DC performed after TBI from post-operative CT images. This reconstruction is useful in multiple scenarios, e.g. to support the creation of cranioplasty plates, accurate measurements of bone flap volume and total intracranial volume, important for studies that aim to relate later atrophy to patient outcome. We propose and compare alternative self-supervised methods where an encoder-decoder convolutional neural network (CNN) estimates the missing bone flap on post-operative CTs. The self-supervised learning strategy only requires images with complete skulls and avoids the need for annotated DC images. For evaluation, we employ real and simulated images with DC, comparing the results with other state-of-the-art approaches. The experiments show that the proposed model outperforms current manual methods, enabling reconstruction even in highly challenging cases where big skull defects have been removed during surgery.
• Abstract（参考訳）: 除圧式頭蓋切除術(decompressive craniectomy, dc)は、脳卒中、外傷性脳損傷(tbi)など、急性硬膜下出血や頭蓋内圧上昇を引き起こす可能性のある出来事の後に行われる頭蓋の一部を切除することを含む、一般的な外科手術である。 これらのケースでは、ctスキャンが傷の診断と評価、または特定の治療と介入を導くために得られる。 術後CT画像からTBI後の直流時に摘出した頭蓋骨欠損を再建する深層学習法を提案する。 この再建は、頭蓋形成プレートの作成、骨弁容積の正確な測定、頭蓋内総体積などの複数のシナリオにおいて有用であり、後天性萎縮と患者の予後を関連づける研究に重要である。 エンコーダ-デコーダ畳み込みニューラルネットワーク(cnn)が術後ctで欠損骨弁を推定する代替自己教師付き手法を提案する。 自己教師付き学習戦略は、完全な頭蓋骨を持つ画像のみを必要とし、注釈付きdc画像の必要性を避ける。 評価には,実画像とシミュレーション画像を用い,他の最先端手法との比較を行った。 実験の結果, 手術中に頭蓋骨の大きな欠損が除去された症例においても, 従来の手作業法を上回っており, 再建が可能であった。

関連論文リスト

• Unsupervised Skull Segmentation via Contrastive MR-to-CT Modality Translation [0.2911706166691895]
  CTスキャンによる頭蓋骨のセグメンテーションは、すでに解決されている問題であると見なすことができる。 MRでは、骨ではなく軟部組織の存在により、このタスクは著しく複雑になる。 MR画像上で直接セグメント化を行うのではなく,MR-to-CT変換による合成CTデータ生成を行う。
  論文  参考訳（メタデータ） (2024-10-17T10:51:08Z)
• Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images [10.350643783811174]
  truncated chest CT のフィールド・オブ・ビュー (FOV) 回復は, 正確な体組成解析に不可欠である。 生成画像のアウトペイントを用いて, 切り抜きCTスライスを復元する手法を提案する。 我々のモデルは,87%の少ないデータでトレーニングされているにもかかわらず,切り離された解剖学を確実に回復し,過去の最先端を上回ります。
  論文  参考訳（メタデータ） (2024-06-07T09:15:29Z)
• Dual-Task Vision Transformer for Rapid and Accurate Intracerebral Hemorrhage CT Image Classification [9.058538258023383]
  脳内出血 (ICH) は、脳血管の破裂によって引き起こされる疾患である。 ICH画像の自動分類と診断のためのニューラルネットワーク構造であるDouble-task Vision Transformer(DTViT)を提案する。
  論文  参考訳（メタデータ） (2024-05-10T21:17:31Z)
• Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
  骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。 代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。 不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
  論文  参考訳（メタデータ） (2024-01-31T21:05:34Z)
• 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)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Predicting Thrombectomy Recanalization from CT Imaging Using Deep Learning Models [4.780704816027884]
  術前CTとCTA画像を用いて,患者の再石灰化スコアの完全自動予測を提案した。 我々のトップモデルは平均クロスバリデードROC-AUC 77.33 $pm$3.9%を達成した。
  論文  参考訳（メタデータ） (2023-02-08T15:41:21Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• Synthetic CT Skull Generation for Transcranial MR Imaging-Guided Focused Ultrasound Interventions with Conditional Adversarial Networks [5.921808547303054]
  経頭蓋MRIガイド下集束超音波(TcMRgFUS)は頭蓋骨内の音をMRIガイド下において非侵襲的に小さな領域に集束する治療用超音波法である。 頭蓋骨を通して超音波を的確に標的にするためには、送信波が目標領域に建設的に干渉する必要がある。
  論文  参考訳（メタデータ） (2022-02-21T11:34:29Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。