論文の概要: AtrialJSQnet: A New Framework for Joint Segmentation and Quantification
of Left Atrium and Scars Incorporating Spatial and Shape Information
- arxiv url: http://arxiv.org/abs/2008.04729v2
- Date: Fri, 12 Nov 2021 10:56:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 12:20:18.911044
- Title: AtrialJSQnet: A New Framework for Joint Segmentation and Quantification
of Left Atrium and Scars Incorporating Spatial and Shape Information
- Title（参考訳）: AtrialJSQnet:空間情報と形状情報を組み込んだ左房とスカーの結合分割と定量化のための新しいフレームワーク
- Authors: Lei Li and Veronika A. Zimmer and Julia A. Schnabel and Xiahai Zhuang
- Abstract要約: 臨床では左心房(LA)と後期ガドリニウム造影MRI(LGE MRI)の心房粗動が重要な課題である。
従来の手法は通常2つの課題を独立に解決し、LAと傷跡の固有の空間的関係を無視した。
AtrialJSQnetと呼ばれる新しいフレームワークを開発し、LAセグメンテーション、LA表面へのスカープロジェクション、およびスカーの定量化をエンドツーエンド形式で同時に行う。
- 参考スコア（独自算出の注目度）: 22.162571400010467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Left atrial (LA) and atrial scar segmentation from late gadolinium enhanced
magnetic resonance imaging (LGE MRI) is an important task in clinical practice.
%, to guide ablation therapy and predict treatment results for atrial
fibrillation (AF) patients. The automatic segmentation is however still
challenging, due to the poor image quality, the various LA shapes, the thin
wall, and the surrounding enhanced regions. Previous methods normally solved
the two tasks independently and ignored the intrinsic spatial relationship
between LA and scars. In this work, we develop a new framework, namely
AtrialJSQnet, where LA segmentation, scar projection onto the LA surface, and
scar quantification are performed simultaneously in an end-to-end style. We
propose a mechanism of shape attention (SA) via an explicit surface projection,
to utilize the inherent correlation between LA and LA scars. In specific, the
SA scheme is embedded into a multi-task architecture to perform joint LA
segmentation and scar quantification. Besides, a spatial encoding (SE) loss is
introduced to incorporate continuous spatial information of the target, in
order to reduce noisy patches in the predicted segmentation. We evaluated the
proposed framework on 60 LGE MRIs from the MICCAI2018 LA challenge. Extensive
experiments on a public dataset demonstrated the effect of the proposed
AtrialJSQnet, which achieved competitive performance over the state-of-the-art.
The relatedness between LA segmentation and scar quantification was explicitly
explored and has shown significant performance improvements for both tasks. The
code and results will be released publicly once the manuscript is accepted for
publication via https://zmiclab.github.io/projects.html.
- Abstract（参考訳）: 左心房(la)と後期gadolinium enhanced magnetic resonance imaging(lge mri)からの心房細動は臨床における重要な課題である。
心房細動(af)患者のアブレーション療法を指導し,治療成績を予測した。
しかし、画像品質の低さ、様々なLA形状、薄い壁、周囲の強化領域などにより、自動セグメンテーションは依然として困難である。
従来の手法は通常2つの課題を独立に解決し、LAと傷跡の固有の空間的関係を無視した。
本研究では,AtrialJSQnetと呼ばれる新しいフレームワークを開発し,LAセグメント化,LA表面へのスカープロジェクション,およびスカー定量化をエンドツーエンド形式で同時に行う。
本研究では, LA傷跡とLA傷跡の関連性を利用するために, 表面投射による形状注意機構を提案する。
具体的には、SAスキームをマルチタスクアーキテクチャに組み込んで、共同LAセグメンテーションとスカー量子化を行う。
また、予測されたセグメンテーションのノイズパッチを低減するため、ターゲットの連続的な空間情報を含む空間符号化(se)ロスを導入する。
提案手法をmiccai2018 laチャレンジから60lge mriを用いて評価した。
パブリックデータセットに関する大規模な実験は、最先端技術に対して競争力のある性能を達成した提案されたAtrialJSQnetの効果を実証した。
laセグメンテーションとscar定量化の関係は明確に検討され、両方のタスクで大幅なパフォーマンス改善が見られた。
コードと結果は、原稿がhttps://zmiclab.github.io/projects.htmlで公開されたときに公開される。
関連論文リスト
- Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - Automatically Segment the Left Atrium and Scars from LGE-MRIs Using a
Boundary-focused nnU-Net [8.27752923297381]
我々は、LA空洞を自動的に分割し、後期ガドリニウム強調磁気共鳴イメージング(LGE-MRI)によるLA傷の定量化を提案する。
具体的には、LA境界画素の焦点をトレーニング中に達成し、より正確な境界予測を提供する。
LAScarQS 2022データセットの実験では、LA空洞とLA傷痕のセグメンテーションにおいて、我々のモデルの優れた性能が示された。
論文 参考訳（メタデータ） (2023-04-27T10:05:37Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Multi-Depth Boundary-Aware Left Atrial Scar Segmentation Network [1.433758865948252]
本稿では,LA と LA のフラグをセグメント化するための境界認識型 LA フラグセグメンテーションネットワークを提案する。
このネットワークは、LAスカーセグメンテーションの平均Diceスコア0.608を達成した。
論文 参考訳（メタデータ） (2022-08-08T03:32:18Z) - Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation
Studies: A Review [18.22326892162902]
後期ガドリニウム造影MRI(LGE MRI)は左心房(LA)の傷跡の可視化と定量化に一般的に用いられている。
本稿では, LGE MRIによるLA空洞, 壁, 傷痕, アブレーションギャップのセグメンテーションと定量化のための計算手法について, 体系的に検討することを目的とする。
論文 参考訳（メタデータ） (2021-06-18T01:31:06Z) - JAS-GAN: Generative Adversarial Network Based Joint Atrium and Scar
Segmentations on Unbalanced Atrial Targets [11.507811388835348]
本研究では,不均衡な心房ターゲットを識別するカスケード間対向ネットワーク,すなわち JAS-GAN を提案する。
Jas-GANは、不均衡な心房ターゲットのセグメンテーションタスクを自動的に関連付ける適応的注意カスケードを調査します。
主に、LAと心房の傷が実際のものと一致するよう、推定された共同分布を強制する。
論文 参考訳（メタデータ） (2021-05-01T12:33:02Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided
Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。
CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。
深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文 参考訳（メタデータ） (2020-08-05T08:49:20Z) - Joint Left Atrial Segmentation and Scar Quantification Based on a DNN
with Spatial Encoding and Shape Attention [21.310508988246937]
本稿では,左心房(LA)空洞を同時に分割し,LAの傷跡を定量化するエンド・ツー・エンドディープ・ニューラル・ネットワーク(DNN)を提案する。
提案フレームワークは,空間符号化(SE)ロスを導入することで,目標の連続的な空間情報を組み込む。
LAセグメンテーションでは、3D基本U-Netと比較して平均ハウスドルフ距離を36.4mmから20.0mmに減らした。
論文 参考訳（メタデータ） (2020-06-23T13:55:29Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。