論文の概要: DeU-Net: Deformable U-Net for 3D Cardiac MRI Video Segmentation
- arxiv url: http://arxiv.org/abs/2007.06341v1
- Date: Mon, 13 Jul 2020 12:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 00:34:33.802065
- Title: DeU-Net: Deformable U-Net for 3D Cardiac MRI Video Segmentation
- Title（参考訳）: DeU-Net:3次元心臓MRI画像セグメンテーションのための変形可能なU-Net
- Authors: Shunjie Dong, Jinlong Zhao, Maojun Zhang, Zhengxue Shi, Jianing Deng,
Yiyu Shi, Mei Tian, Cheng Zhuo
- Abstract要約: 心電図3次元画像からの時間的情報を完全に活用する新しいデフォルマブルU-Netを提案する。
意味のある特徴を集約するために、変形可能な注意U-Netを用いてDGPAネットワークを考案する。
実験結果から,我々のDeU-Netは,一般的に使用されている評価指標の最先端性能を達成できることがわかった。
- 参考スコア（独自算出の注目度）: 16.85475295093217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic segmentation of cardiac magnetic resonance imaging (MRI)
facilitates efficient and accurate volume measurement in clinical applications.
However, due to anisotropic resolution and ambiguous border (e.g., right
ventricular endocardium), existing methods suffer from the degradation of
accuracy and robustness in 3D cardiac MRI video segmentation. In this paper, we
propose a novel Deformable U-Net (DeU-Net) to fully exploit spatio-temporal
information from 3D cardiac MRI video, including a Temporal Deformable
Aggregation Module (TDAM) and a Deformable Global Position Attention (DGPA)
network. First, the TDAM takes a cardiac MRI video clip as input with temporal
information extracted by an offset prediction network. Then we fuse extracted
temporal information via a temporal aggregation deformable convolution to
produce fused feature maps. Furthermore, to aggregate meaningful features, we
devise the DGPA network by employing deformable attention U-Net, which can
encode a wider range of multi-dimensional contextual information into global
and local features. Experimental results show that our DeU-Net achieves the
state-of-the-art performance on commonly used evaluation metrics, especially
for cardiac marginal information (ASSD and HD).
- Abstract（参考訳）: 心臓磁気共鳴画像(MRI)の自動セグメンテーションは、臨床応用において効率的かつ正確な体積測定を促進する。
しかし、異方性分解能と曖昧な境界(右室心内膜など)により、既存の手法は3D心筋MRIビデオセグメンテーションの精度と堅牢性の低下に悩まされている。
本稿では,時間的変形型アグリゲーションモジュール (tdam) と変形可能なグローバル位置注意 (dgpa) ネットワークを含む3次元心臓mri映像からの時空間情報を完全に活用する新しい変形型u-net (deu-net) を提案する。
まず、TDAMは、オフセット予測ネットワークによって抽出された時間情報により、心臓MRIビデオクリップを入力として取る。
次に,時間集約変形可能な畳み込みにより抽出した時間情報を融合し,融合特徴マップを作成する。
さらに、意味のある特徴を集約するために、多次元のコンテキスト情報をグローバル・ローカルな特徴にエンコードできる変形可能な注意U-Netを用いてDGPAネットワークを考案する。
実験の結果,DeU-Netは,特に心境界情報(ASSD,HD)において,一般的な評価指標の最先端性能を実現していることがわかった。
関連論文リスト
- 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) - FunnelNet: An End-to-End Deep Learning Framework to Monitor Digital Heart Murmur in Real-Time [5.408260756721024]
心室は、心臓内の乱流によって生じる異常な音である。
本研究は,従来型および深部畳み込み型ネットワークを用いた,エンドツーエンドの心臓外傷検出手法を開発することを目的とする。
論文 参考訳（メタデータ） (2024-05-10T03:12:17Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - Real-time Automatic M-mode Echocardiography Measurement with Panel
Attention from Local-to-Global Pixels [8.745381510003666]
運動モード(Mモード)記録は、心臓の寸法と機能を測定するための心エコー検査の不可欠な部分である。
一定の結果を保証する自動化を構築するためのオープンデータセットは存在しない。
現在,Mモード心エコー図による経時的手指ラベリングが検討されている。
論文 参考訳（メタデータ） (2023-08-15T11:50:57Z) - Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing
Cardiac MRI Reconstruction [21.261567937245808]
本研究は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と整合するようにネットワークを適合させる再構築手法を提案する。
提案手法は,最先端の未訓練畳み込みニューラルネットワークと同等あるいはわずかに優れた画像品質を実現する。
論文 参考訳（メタデータ） (2023-05-11T14:14:30Z) - Three-Dimensional Embedded Attentive RNN (3D-EAR) Segmentor for Left
Ventricle Delineation from Myocardial Velocity Mapping [1.8653386811342048]
MVM-CMRデータセットのための組み込みマルチチャネルアテンション機構とLSTMベースのリカレントニューラルネットワーク(RNN)を備えた3D-UNETバックボーンアーキテクチャを組み込んだ新しいフルオートマチックフレームワークを提案する。
3D-UNETのベースラインモデルと、組み込み型LSTMモジュールと各種損失関数の有無の比較により、提案モデルが最先端のベースラインモデルより大幅に改善されたことを実証できます。
論文 参考訳（メタデータ） (2021-04-26T11:04:43Z) - SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere
Representation and Center Points Matching [47.79483848496141]
3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。
アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。
提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
論文 参考訳（メタデータ） (2021-04-12T05:51:29Z) - Automated Multi-Channel Segmentation for the 4D Myocardial Velocity
Mapping Cardiac MR [1.8653386811342048]
4次元(4d)左室心筋速度マッピング(mvm)は、心磁気共鳴(cmr)技術である。
本稿では,これらのCMRマルチチャネルデータに基づく標準U-Net手法を改善する新しいフレームワークを提案する。
提案するネットワークは, シングルチャネルデータで訓練された標準U-Netネットワークと比較して, 性能が向上した。
論文 参考訳（メタデータ） (2020-12-16T16:15:55Z) - 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) - 4D Spatio-Temporal Convolutional Networks for Object Position Estimation
in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。
我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文 参考訳（メタデータ） (2020-07-02T12:02:20Z) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳（メタデータ） (2020-04-26T05:43:21Z)
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。