論文の概要: XCAT-GAN for Synthesizing 3D Consistent Labeled Cardiac MR Images on Anatomically Variable XCAT Phantoms

• arxiv url: http://arxiv.org/abs/2007.13408v2
• Date: Fri, 31 Jul 2020 14:27:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 08:19:36.404979
• Title: XCAT-GAN for Synthesizing 3D Consistent Labeled Cardiac MR Images on Anatomically Variable XCAT Phantoms
• Title（参考訳）: 解剖学的に可変なXCATファントムを用いた3次元心臓MR画像合成のためのXCAT-GAN
• Authors: Sina Amirrajab, Samaneh Abbasi-Sureshjani, Yasmina Al Khalil, Cristian Lorenz, Juergen Weese, Josien Pluim, and Marcel Breeuwer
• Abstract要約: GAN(Generative Adversarial Network)は、高忠実度画像の合成により、有望なデータ濃縮ソリューションを提供する。 そこで本研究では, 心磁気共鳴(CMR)画像を, 解剖学的変化が大きい仮想被験者の集団に合成する方法を提案する。
• 参考スコア（独自算出の注目度）: 0.7153299673914196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative adversarial networks (GANs) have provided promising data enrichment solutions by synthesizing high-fidelity images. However, generating large sets of labeled images with new anatomical variations remains unexplored. We propose a novel method for synthesizing cardiac magnetic resonance (CMR) images on a population of virtual subjects with a large anatomical variation, introduced using the 4D eXtended Cardiac and Torso (XCAT) computerized human phantom. We investigate two conditional image synthesis approaches grounded on a semantically-consistent mask-guided image generation technique: 4-class and 8-class XCAT-GANs. The 4-class technique relies on only the annotations of the heart; while the 8-class technique employs a predicted multi-tissue label map of the heart-surrounding organs and provides better guidance for our conditional image synthesis. For both techniques, we train our conditional XCAT-GAN with real images paired with corresponding labels and subsequently at the inference time, we substitute the labels with the XCAT derived ones. Therefore, the trained network accurately transfers the tissue-specific textures to the new label maps. By creating 33 virtual subjects of synthetic CMR images at the end-diastolic and end-systolic phases, we evaluate the usefulness of such data in the downstream cardiac cavity segmentation task under different augmentation strategies. Results demonstrate that even with only 20% of real images (40 volumes) seen during training, segmentation performance is retained with the addition of synthetic CMR images. Moreover, the improvement in utilizing synthetic images for augmenting the real data is evident through the reduction of Hausdorff distance up to 28% and an increase in the Dice score up to 5%, indicating a higher similarity to the ground truth in all dimensions.
• Abstract（参考訳）: GAN(Generative Adversarial Network)は、高忠実度画像の合成による有望なデータ濃縮ソリューションを提供する。 しかし,新しい解剖学的変化を伴うラベル付き画像の大量生成は未発見のままである。 そこで本研究では, 4D eXtended Cardiac と Torso (XCAT) コンピュータ化ヒトファントムを用いて, 解剖学的変化が大きい仮想被験者の集団に心磁気共鳴画像(CMR)を合成する方法を提案する。 本研究では,4-classと8-class XCAT-GANの2つの条件付き画像合成手法について検討した。 4-class法は心臓のアノテーションのみに依存し,8-class法では心周囲臓器の多部ラベルマップが予測され,条件付き画像合成のためのより良いガイダンスが得られた。 いずれの手法も、条件付きXCAT-GANを実画像と対応するラベルとの組み合わせで訓練し、その後、推論時にXCATから派生したラベルに置き換える。 そのため、トレーニングされたネットワークは、組織固有のテクスチャを新しいラベルマップに正確に転送する。 終末期期および終末期期における合成cmr画像の33個の仮想被写体を作成し,そのデータの有効性について検討した。 その結果, 実画像(40巻)の20%に留まらず, 合成CMR画像の付加によりセグメンテーション性能が保たれることがわかった。 さらに, 実データ拡張のための合成画像の利用改善は, ハウスドルフ距離を最大28%削減し, ディススコアを最大5%向上させることで明らかとなり, 全次元において地上の真実と高い類似性を示した。

関連論文リスト

• Transesophageal Echocardiography Generation using Anatomical Models [0.5679566039341877]
  合成TEE画像と対応するセマンティックラベルを生成するパイプラインを開発する。 In the pipeline's unpaired image-to-image (I2I) translation section, we explore two generative methods。 合成画像を用いてデータセットを拡大すると、ダイススコアが最大10%向上する。
  論文  参考訳（メタデータ） (2024-10-09T11:20:28Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Pathology Synthesis of 3D-Consistent Cardiac MR Images using 2D VAEs and GANs [0.5039813366558306]
  本稿では,教師付きディープラーニング(DL)トレーニングの適用のためのラベル付きデータを生成する手法を提案する。 画像合成はラベル変形とラベルから画像への変換からなる。 心臓MRI画像のデータベースを多様化・拡張する手法として,このようなアプローチが有効であることを示す。
  論文  参考訳（メタデータ） (2022-09-09T10:17:49Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Selective Synthetic Augmentation with HistoGAN for Improved Histopathology Image Classification [11.087537668968888]
  我々は,クラスラベルに条件付けされたリアルな病理像パッチを合成するための条件付きGANモデル,すなわちHistoGANを提案する。 また,提案したHistoGANによって生成された新しい合成画像パッチを選択的に追加する新しい合成拡張フレームワークについても検討した。 リンパ節病理組織像と転移性癌のリンパ節病理組織像の2つのデータセットについて検討した。
  論文  参考訳（メタデータ） (2021-11-10T23:25:39Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• You Only Need Adversarial Supervision for Semantic Image Synthesis [84.83711654797342]
  我々は,高品質な結果を得るためには敵対的監督のみを必要とする,新しい簡易ganモデルを提案する。 本モデルによって合成された画像はより多様であり,実画像の色やテクスチャに密接に従っている。
  論文  参考訳（メタデータ） (2020-12-08T23:00:48Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• Lesion Conditional Image Generation for Improved Segmentation of Intracranial Hemorrhage from CT Images [0.0]
  データ拡張のためのCT画像を生成するために,病変条件付きジェネレーティブ・アドバイサル・ネットワークLcGANを提案する。 病変条件画像(segmented mask)は、訓練中にジェネレータとLcGANの判別器の両方に入力される。 完全畳み込みネットワーク(FCN)スコアと曖昧さを用いて画像の品質を定量化する。
  論文  参考訳（メタデータ） (2020-03-30T23:32:54Z)
• 4D Semantic Cardiac Magnetic Resonance Image Synthesis on XCAT Anatomical Model [0.7959841510571622]
  心臓磁気共鳴画像(CMR)を3D+tラベルで合成するハイブリッド制御可能な画像生成法を提案する。 本手法は, 解剖学的根拠として, メカニスティック4D eXtended CArdiac Torso (XCAT) 心モデルを用いている。 本研究では、条件付き画像合成にSPADE(State-of-the-the-the-art SPatially Adaptive De-normalization)技術を用いる。
  論文  参考訳（メタデータ） (2020-02-17T17:25:07Z)

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。