論文の概要: Fully Automated Left Atrium Segmentation from Anatomical Cine Long-axis MRI Sequences using Deep Convolutional Neural Network with Unscented Kalman Filter

• arxiv url: http://arxiv.org/abs/2009.13627v2
• Date: Sun, 22 Nov 2020 18:47:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:35:14.340134
• Title: Fully Automated Left Atrium Segmentation from Anatomical Cine Long-axis MRI Sequences using Deep Convolutional Neural Network with Unscented Kalman Filter
• Title（参考訳）: Unscented Kalman Filter を用いた深部畳み込みニューラルネットワークを用いた解剖学的Cine Long-axis MRI 画像からの完全自動左房分割
• Authors: Xiaoran Zhang and Michelle Noga and David Glynn Martin and Kumaradevan Punithakumar
• Abstract要約: 本研究は, 左房セグメンテーションの完全自動化手法を提案する。 提案手法は,長軸配列のタイプを自動的に検出する分類ネットワークと,3種類の畳み込みニューラルネットワークモデルから構成される。 また,20名以上の患者から得られた各チャンバー群の画像数に等しい1515枚以上の画像から,提案したモデルが最先端であることを示した。
• 参考スコア（独自算出の注目度）: 0.3344190892270789
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study proposes a fully automated approach for the left atrial segmentation from routine cine long-axis cardiac magnetic resonance image sequences using deep convolutional neural networks and Bayesian filtering. The proposed approach consists of a classification network that automatically detects the type of long-axis sequence and three different convolutional neural network models followed by unscented Kalman filtering (UKF) that delineates the left atrium. Instead of training and predicting all long-axis sequence types together, the proposed approach first identifies the image sequence type as to 2, 3 and 4 chamber views, and then performs prediction based on neural nets trained for that particular sequence type. The datasets were acquired retrospectively and ground truth manual segmentation was provided by an expert radiologist. In addition to neural net based classification and segmentation, another neural net is trained and utilized to select image sequences for further processing using UKF to impose temporal consistency over cardiac cycle. A cyclic dynamic model with time-varying angular frequency is introduced in UKF to characterize the variations in cardiac motion during image scanning. The proposed approach was trained and evaluated separately with varying amount of training data with images acquired from 20, 40, 60 and 80 patients. Evaluations over 1515 images with equal number of images from each chamber group acquired from an additional 20 patients demonstrated that the proposed model outperformed state-of-the-art and yielded a mean Dice coefficient value of 94.1%, 93.7% and 90.1% for 2, 3 and 4-chamber sequences, respectively, when trained with datasets from 80 patients.
• Abstract（参考訳）: 本研究は, 深部畳み込みニューラルネットワークとベイズフィルタを用いて, 日常的な血管長軸磁気共鳴画像列から左房セグメンテーションを完全自動化する手法を提案する。 提案手法は,3種類の長軸配列と3種類の畳み込みニューラルネットワークモデルを自動的に検出する分類ネットワークと,左心房を規定する無感覚カルマンフィルタリング(UKF)から構成される。 提案手法では,すべての長軸シーケンスタイプを訓練し,予測する代わりに,まず画像シーケンスタイプを2,3,4チャンバービューとして識別し,その特定のシーケンスタイプに対して訓練されたニューラルネットワークに基づいて予測を行う。 データセットは振り返りに取得され、地上真理マニュアルのセグメンテーションは専門家の放射線技師によって提供された。 ニューラルネットに基づく分類とセグメンテーションに加えて、別のニューラルネットがトレーニングされ、UKFを用いたさらなる処理のために画像シーケンスの選択に使用される。 時間変化角周波数の循環力学モデルがUKFで導入され、画像スキャン時の心臓運動の変動を特徴付ける。 提案手法は,20,40,60,80の患者から取得した画像を用いて,異なる量のトレーニングデータを別々に訓練し,評価した。 新たに20人の患者から取得した各チャンバー群の画像数に等しい1515枚以上の画像から、提案したモデルが、80人の患者のデータセットを用いてトレーニングした場合、それぞれ94.1%、93.7%、90.1%の平均Dice係数値を上回った。

関連論文リスト

• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• MCI Detection using fMRI time series embeddings of Recurrence plots [5.340644246815989]
  本研究では,耳障りな利害の地域(ROI)において,その構造や欠如を理解するために基礎となるダイナミクスについて検討する。 この差動行動は、神経変性の理解や、健常者と軽度認知障害者(MCI)の分類の鍵となる可能性がある。 本研究では,ドセンバッハテンプレートから得られる160ROIを超える6つの脳ネットワークについて検討した。
  論文  参考訳（メタデータ） (2023-11-30T05:57:50Z)
• 'A net for everyone': fully personalized and unsupervised neural networks trained with longitudinal data from a single patient [0.5576716560981031]
  縦断データセットの腫瘍進展を検出するために、パーソナライズされたニューラルネットワークを訓練する。 それぞれの患者に対して、異なるタイムポイントからの2つの画像を使用して、独自のニューラルネットワークをトレーニングしました。 1人の患者のデータを使って、深層ニューラルネットワークをトレーニングし、腫瘍の変化をモニターできることが示されています。
  論文  参考訳（メタデータ） (2022-10-25T11:07:24Z)
• 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)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• CardiSort: a convolutional neural network for cross vendor automated sorting of cardiac MR images [2.0791118244420757]
  両頭畳み込みニューラルネットワーク("CardiSort")は、画像シーケンスと平面によって35のシーケンスを分類するように訓練された。 単ベンダートレーニング (SVT) とマルチベンダートレーニング (MVT) で高次および平面精度が観察された。 一般的なシーケンスと従来の心臓面の精度は高かった。
  論文  参考訳（メタデータ） (2021-09-17T11:42:39Z)
• Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
  空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。 私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。 腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
  論文  参考訳（メタデータ） (2021-07-06T14:50:03Z)
• A new approach to extracting coronary arteries and detecting stenosis in invasive coronary angiograms [9.733630514873376]
  我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。 本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。 実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
  論文  参考訳（メタデータ） (2021-01-25T01:48:27Z)
• 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)
• Fully Automated Myocardial Strain Estimation from CMR Tagged Images using a Deep Learning Framework in the UK Biobank [0.33271859484894845]
  本研究の目的は,短軸磁気共鳴タグ画像から心筋のひずみを推定するために,完全自動ディープラーニングフレームワークの有効性と性能を実証することである。 この枠組みは、糖尿病、高血圧症、および以前の心臓発作の患者において、周囲のひずみを著しく減少させた。
  論文  参考訳（メタデータ） (2020-04-15T12:49:15Z)

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。