論文の概要: Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography

• arxiv url: http://arxiv.org/abs/2008.05867v1
• Date: Thu, 13 Aug 2020 12:53:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 23:57:46.627643
• Title: Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography
• Title（参考訳）: 心エコー法による僧帽弁弁切断術の神経協調フィルタリング
• Authors: Luca Corinzia, Fabian Laumer, Alessandro Candreva, Maurizio Taramasso, Francesco Maisano, Joachim M. Buhmann
• Abstract要約: 心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。 これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
• 参考スコア（独自算出の注目度）: 60.08918310097638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The segmentation of the mitral valve annulus and leaflets specifies a crucial first step to establish a machine learning pipeline that can support physicians in performing multiple tasks, e.g.\ diagnosis of mitral valve diseases, surgical planning, and intraoperative procedures. Current methods for mitral valve segmentation on 2D echocardiography videos require extensive interaction with annotators and perform poorly on low-quality and noisy videos. We propose an automated and unsupervised method for the mitral valve segmentation based on a low dimensional embedding of the echocardiography videos using neural network collaborative filtering. The method is evaluated in a collection of echocardiography videos of patients with a variety of mitral valve diseases, and additionally on an independent test cohort. It outperforms state-of-the-art \emph{unsupervised} and \emph{supervised} methods on low-quality videos or in the case of sparse annotation.
• Abstract（参考訳）: 僧帽弁輪とリーフレットのセグメンテーションは、例えば僧帽弁疾患の診断、手術計画、術中処置など、複数のタスクを行う医師を支援する機械学習パイプラインを確立するための重要な第一歩を規定している。 2次元心エコービデオにおける僧帽弁分画の方法には, 注釈装置との広範囲なインタラクションが必要であり, 低品質, 騒音ビデオでは性能が低下している。 本稿では,ニューラルネットワークを用いた心エコービデオの低次元埋め込みに基づく僧帽弁断面積の自動制御手法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオの収集と, 独立した検査コホートを用いて評価した。 低品質ビデオやスパースアノテーションの場合、最先端の \emph{unsupervised} や \emph{supervised} メソッドよりも優れています。

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)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• View Classification and Object Detection in Cardiac Ultrasound to Localize Valves via Deep Learning [0.0]
  本稿では、ディープニューラルネットワークを用いて、分類とローカライゼーションのステップを分離する機械学習パイプラインを提案する。 パイプラインの第1ステップとして,心の解剖学的所見が10個ある心エコー図にビュー分類を適用した。 第2のステップでは、深層学習に基づく物体検出をバルブの局所化と識別の両方に応用する。
  論文  参考訳（メタデータ） (2023-10-31T18:16:02Z)
• Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment [69.02116920364311]
  既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。 本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。 提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-09T05:57:01Z)
• SimLVSeg: Simplifying Left Ventricular Segmentation in 2D+Time Echocardiograms with Self- and Weakly-Supervised Learning [0.8672882547905405]
  狭義の心エコービデオから一貫した左室(LV)セグメンテーションを行うビデオベースネットワークであるSimLVSegを開発した。 SimLVSegは、時間的マスキングによる自己教師付き事前トレーニングと、スパースアノテーションからのLVセグメンテーションに適した弱い教師付き学習で構成されている。 我々は、SimLVSegが、最大の2D+時間心エコー画像データセットで93.32%のダイススコアを達成して、最先端のソリューションをいかに優れているかを実証する。
  論文  参考訳（メタデータ） (2023-09-30T18:13:41Z)
• Detecting Heart Disease from Multi-View Ultrasound Images via Supervised Attention Multiple Instance Learning [5.201499435914216]
  大動脈狭窄症 (Aortic stenosis, AS) は変性弁の状態であり、かなりの死亡率と死亡率を引き起こす。 AS検出に対する従来のアプローチでは、画像間の非フレキシブル平均に依存するため、精度が不十分であった。 2つの重要な方法論的革新とともに、新しいエンドツーエンドのMILアプローチに貢献する。
  論文  参考訳（メタデータ） (2023-05-25T18:22:12Z)
• CNN-based fully automatic mitral valve extraction using CT images and existence probability maps [0.0]
  本稿では,CT画像から僧帽弁形状を自動抽出する手法を提案する。 原画像とU-Netで推定される僧帽弁領域の存在確率マップを入力として、DenseNetに基づいて僧帽弁形状を抽出する。 提案手法における形状抽出誤差の平均誤差は0.88mmであり, 確率マップが存在しない手法と比較して0.32mmの改善である。
  論文  参考訳（メタデータ） (2023-05-01T02:20:29Z)
• Estimation of mitral valve hinge point coordinates -- deep neural net for echocardiogram segmentation [0.0]
  僧帽弁ヒンジ点の完全自動検出法を提案する。 この方法は、得られたセグメンテーションから第2ステップで僧帽弁ヒンジポイントを抽出する。 この自動検出法を用いて測定した結果を基準座標値と比較した。
  論文  参考訳（メタデータ） (2023-01-20T19:46:16Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)

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。