論文の概要: Deep Learning from Dual-Energy Information for Whole-Heart Segmentation
in Dual-Energy and Single-Energy Non-Contrast-Enhanced Cardiac CT
- arxiv url: http://arxiv.org/abs/2008.03985v1
- Date: Mon, 10 Aug 2020 09:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 23:30:46.975658
- Title: Deep Learning from Dual-Energy Information for Whole-Heart Segmentation
in Dual-Energy and Single-Energy Non-Contrast-Enhanced Cardiac CT
- Title（参考訳）: Dual-Energy InformationによるDual-EnergyおよびSingle-Energy Non-Contrast-Enhanced Cardiac CTにおける全心的セグメンテーションの深層学習
- Authors: Steffen Bruns, Jelmer M. Wolterink, Richard A.P. Takx, Robbert W. van
Hamersvelt, Dominika Such\'a, Max A. Viergever, Tim Leiner, Ivana I\v{s}gum
- Abstract要約: 冠状動脈造影 (CCTA) では, 心臓血管のリスク予測のための定量的画像の抽出が可能である。
本研究では,2層CTスキャナが提供する情報を活用し,仮想非コントラスト(VNC)CT画像の基準基準を得る。
我々はNCCT画像のセグメンテーションのために3次元畳み込みニューラルネットワーク(CNN)を訓練する。
- 参考スコア（独自算出の注目度）: 5.931487052015348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning-based whole-heart segmentation in coronary CT angiography
(CCTA) allows the extraction of quantitative imaging measures for
cardiovascular risk prediction. Automatic extraction of these measures in
patients undergoing only non-contrast-enhanced CT (NCCT) scanning would be
valuable. In this work, we leverage information provided by a dual-layer
detector CT scanner to obtain a reference standard in virtual non-contrast
(VNC) CT images mimicking NCCT images, and train a 3D convolutional neural
network (CNN) for the segmentation of VNC as well as NCCT images.
Contrast-enhanced acquisitions on a dual-layer detector CT scanner were
reconstructed into a CCTA and a perfectly aligned VNC image. In each CCTA
image, manual reference segmentations of the left ventricular (LV) myocardium,
LV cavity, right ventricle, left atrium, right atrium, ascending aorta, and
pulmonary artery trunk were obtained and propagated to the corresponding VNC
image. These VNC images and reference segmentations were used to train 3D CNNs
for automatic segmentation in either VNC images or NCCT images. Automatic
segmentations in VNC images showed good agreement with reference segmentations,
with an average Dice similarity coefficient of 0.897 \pm 0.034 and an average
symmetric surface distance of 1.42 \pm 0.45 mm. Volume differences [95%
confidence interval] between automatic NCCT and reference CCTA segmentations
were -19 [-67; 30] mL for LV myocardium, -25 [-78; 29] mL for LV cavity, -29
[-73; 14] mL for right ventricle, -20 [-62; 21] mL for left atrium, and -19
[-73; 34] mL for right atrium, respectively. In 214 (74%) NCCT images from an
independent multi-vendor multi-center set, two observers agreed that the
automatic segmentation was mostly accurate or better. This method might enable
quantification of additional cardiac measures from NCCT images for improved
cardiovascular risk prediction.
- Abstract（参考訳）: 冠状動脈造影(CCTA)における深層学習に基づく全肝分画は,心臓血管のリスク予測のための定量的イメージングの指標を抽出することができる。
非contrast-enhanced ct (ncct) スキャンのみを行った症例におけるこれらの指標の自動抽出は有用である。
本研究では,2層検出器CTスキャナによって提供される情報を活用し,NCCT画像とNCCT画像のセグメンテーションのための3次元畳み込みニューラルネットワーク(CNN)をトレーニングし,仮想非コントラストCT画像の参照標準を得る。
二重層検出器CTスキャナのコントラスト強調取得をCCTAと完全に整列したVNC画像に再構成した。
各CCTA画像では,左心室(LV)心筋,LV空洞,右心室,左心房,右心房,上行大動脈,肺動脈幹の経時的基準セグメンテーションが得られた。
これらのVNC画像と参照セグメンテーションは、VNC画像またはNCCT画像の自動セグメンテーションのための3D CNNのトレーニングに使用された。
VNC画像における自動セグメンテーションは参照セグメンテーションとよく一致し、平均Dice類似係数は0.897 \pm 0.034、平均対称表面距離は1.42 \pm 0.45 mmであった。
自動ncctと基準cctaの体積差は, lv心筋では-19 [-67; 30] ml, lvキャビティでは-25 [-78; 29] ml, 右心室では-29 [-73; 14] ml, 左心房では-20 [-62; 21] ml, 右心房では-19 [-73; 34] mlであった。
214 (74%) のNCCT画像では、2人の観察者が自動セグメンテーションがほぼ正確かより優れていることに同意した。
この方法は、NCCT画像から追加の心測定値の定量化を可能にし、心血管のリスク予測を改善する。
関連論文リスト
- WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。
WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2024-03-18T11:20:11Z) - Point cloud-based registration and image fusion between cardiac SPECT
MPI and CTA [22.691328811159252]
SPECT心筋灌流画像(MPI)と心電図血管造影(CTA)との点群登録と画像融合のための方法が提案された。
SPECTおよびCTA画像における左心室(LV)心室領域(LVER)は、LV心室輪郭(LVEC)の点群を生成するために訓練された異なるU-Netニューラルネットワークを用いて区分けされた。
提案手法は心CTAおよびSPECT機能画像から構造を効果的に融合させ,相補的優位性を組み合わせることで心疾患の正確な診断を支援する可能性を示した。
論文 参考訳（メタデータ） (2024-02-10T00:00:40Z) - Deep-Learning-based Fast and Accurate 3D CT Deformable Image
Registration in Lung Cancer [14.31661366393592]
腫瘍の視認性は、患者の3D解剖が2D平面に投影されるため制限される。
治療位置において、治療アイソセンタで得られたkV画像から3DCT画像を再構成する。
患者固有の視覚変換器ベースのネットワークを開発し,精度と効率性を示した。
論文 参考訳（メタデータ） (2023-04-21T17:18:21Z) - Segmentation-free PVC for Cardiac SPECT using a Densely-connected
Multi-dimensional Dynamic Network [11.546783296332961]
CTやMRIから高分解能解剖情報を取り入れた部分体積補正法が有効であることが証明された。
本研究では,解剖学的情報と関連する臓器セグメント化を伴わない高速心電図SPECT PVCのための深層学習法を開発した。
論文 参考訳（メタデータ） (2022-06-24T15:31:14Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - COVID-19 Detection in Computed Tomography Images with 2D and 3D
Approaches [0.0]
本稿では,スライスベース(2D)とボリュームベース(3D)を組み合わせた,新型コロナウイルス感染症検出のための深層学習アンサンブルを提案する。
提案されたアンサンブルはIST-CovNetと呼ばれ、IST-Cデータセットで90.80%の精度と0.95のAUCスコアを得る。
Istanbul University Cerrahpasa School of Medicineで運用されている。
論文 参考訳（メタデータ） (2021-05-16T20:12:02Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。
また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文 参考訳（メタデータ） (2020-09-08T15:49:55Z) - 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) - 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) - Deep Learning based detection of Acute Aortic Syndrome in contrast CT
images [2.2928817466049405]
急性大動脈症候群 (AAS) は大動脈の生命を脅かす一群である。
我々はCT画像におけるAAS検出のためのエンドツーエンド自動アプローチを開発した。
論文 参考訳（メタデータ） (2020-04-03T16:12:04Z)
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。