論文の概要: Free-running SIMilarity-Based Angiography (SIMBA) for simplified anatomical MR imaging of the heart

• arxiv url: http://arxiv.org/abs/2007.06544v1
• Date: Mon, 13 Jul 2020 17:49:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 00:53:24.494792
• Title: Free-running SIMilarity-Based Angiography (SIMBA) for simplified anatomical MR imaging of the heart
• Title（参考訳）: SIMBA(Free-running SIMilarity-based Angiography)による心臓解剖学的MRIの簡易化
• Authors: John Heerfordt, Kevin K. Whitehead, Jessica A.M. Bastiaansen, Lorenzo Di Sopra, Christopher W. Roy, J\'er\^ome Yerly, Bastien Milani, Mark A. Fogel, Matthias Stuber, Davide Piccini
• Abstract要約: 全身のMRA技術は、通常、事前に決定された運動状態をターゲットにし、心臓と呼吸のダイナミクスに対処する。 得られたデータに固有の類似性を生かした、アンゲートフリーランニングシーケンスに適用可能な新しい高速再構成アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.5417521241272645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Whole-heart MRA techniques typically target pre-determined motion states and address cardiac and respiratory dynamics independently. We propose a novel fast reconstruction algorithm, applicable to ungated free-running sequences, that leverages inherent similarities in the acquired data to avoid such physiological constraints. Theory and Methods: The proposed SIMilarity-Based Angiography (SIMBA) method clusters the continuously acquired k-space data in order to find a motion-consistent subset that can be reconstructed into a motion-suppressed whole-heart MRA. Free-running 3D radial datasets from six ferumoxytol-enhanced scans of pediatric cardiac patients and twelve non-contrast scans of healthy volunteers were reconstructed with a non-motion-suppressed regridding of all the acquired data (All Data), our proposed SIMBA method, and a previously published free-running framework (FRF) that uses cardiac and respiratory self-gating and compressed sensing. Images were compared for blood-myocardium interface sharpness, contrast ratio, and visibility of coronary artery ostia. Results: Both the fast SIMBA reconstruction (~20s) and the FRF provided significantly higher blood-myocardium sharpness than All Data (P<0.001). No significant difference was observed among the former two. Significantly higher blood-myocardium contrast ratio was obtained with SIMBA compared to All Data and FRF (P<0.01). More coronary ostia could be visualized with both SIMBA and FRF than with All Data (All Data: 4/36, SIMBA: 30/36, FRF: 33/36, both P<0.001) but no significant difference was found between the first two. Conclusion: The combination of free-running sequences and the fast SIMBA reconstruction, which operates without a priori assumptions related to physiological motion, forms a simple workflow for obtaining whole-heart MRA with sharp anatomical structures.
• Abstract（参考訳）: 目的: 全心mra法は通常、予め決められた運動状態を対象とし、心臓と呼吸の動態を独立して扱う。 本研究では, 取得したデータに固有の類似性を生かし, 生理的制約を回避できる新しい高速再構成アルゴリズムを提案する。 理論と方法: SIMBA法は, 連続的に取得したk空間データをクラスタリングして, 動き圧縮された全調波MRAに再構成可能な動作一貫性サブセットを求める。 小児心疾患患者6例, 健常者12例の非コントラストスキャンによるフリーランニング3次元放射状データセットを, 全データ(全データ), SIMBA法, 心拍・呼吸自己ゲーティング・圧縮センシングを併用したフリーランニングフレームワーク(FRF)を用いて再構成した。 血液心筋界面のシャープネス,コントラスト比,冠動脈閉塞の視認性について比較検討した。 結果: 高速simba再建法 (~20s) とfrfは全データより有意に高い血液心筋鋭さを示した(p<0.001)。 前者間に有意差は認められなかった。 simbaでは全データとfrf (p<0.01) と比較して, 血液-心筋コントラスト比が有意に高かった。 All Data (All Data: 4/36, SIMBA: 30/36, FRF: 33/36, 両者ともP<0.001) よりも, SIMBAとFRFのどちらでもより冠状狭窄を可視化できた。 結語: 自由走行シーケンスと高速SIMBA再構成の組み合わせは, 生理運動に関する前提条件なしで動作し, 鋭い解剖構造を持つ全能MRAを得るための簡単なワークフローを形成する。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• 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)
• Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
  心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。 この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
  論文  参考訳（メタデータ） (2024-09-24T13:33:46Z)
• MBSS-T1: Model-Based Self-Supervised Motion Correction for Robust Cardiac T1 Mapping [14.798873955983714]
  心臓T1マッピングにおける動作補正のための自己教師型モデルMBSS-T1を導入する。 物理的制約は期待される信号減衰挙動を保証し、解剖学的制約は現実的な変形を維持する。 MBSS-T1は5倍の実験でベースライン深層学習に基づく画像登録手法より優れていた。
  論文  参考訳（メタデータ） (2024-08-21T21:03:36Z)
• Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images [13.686473040836113]
  本研究では,心臓スタック全体にわたる空間的パッチと時間的パッチの相関関係を自動的に解明する,完全自己教師型学習フレームワークを提案する。 我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
  論文  参考訳（メタデータ） (2024-06-01T07:08:45Z)
• PCMC-T1: Free-breathing myocardial T1 mapping with Physically-Constrained Motion Correction [15.251935193140982]
  自由呼吸T1マッピングにおける動作補正のための物理制約付きディープラーニングモデルであるPCMC-T1を紹介する。 信号減衰モデルをネットワークアーキテクチャに組み込んで、縦方向緩和軸に沿った物理的に楽観的な変形を促す。
  論文  参考訳（メタデータ） (2023-08-22T08:50:38Z)
• 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)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• 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)

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。