論文の概要: Anatomically-Informed Deep Learning on Contrast-Enhanced Cardiac MRI for
Scar Segmentation and Clinical Feature Extraction
- arxiv url: http://arxiv.org/abs/2010.11081v2
- Date: Fri, 8 Jan 2021 21:04:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 00:45:39.544290
- Title: Anatomically-Informed Deep Learning on Contrast-Enhanced Cardiac MRI for
Scar Segmentation and Clinical Feature Extraction
- Title（参考訳）: コントラスト強調心筋MRIを用いた解剖学的インフォームドディープラーニングと臨床像抽出
- Authors: Haley G. Abramson, Dan M. Popescu, Rebecca Yu, Changxin Lai, Julie K.
Shade, Katherine C. Wu, Mauro Maggioni, Natalia A. Trayanova
- Abstract要約: コントラスト・エンハンスメント(LGE)を用いた心臓磁気共鳴画像(CMR)による心臓の傷跡と線維化の可視化は、疾患の進行と不整脈の病態生理学的基質の定量化において最重要である。
本稿では,左室(LV)と難治/線維化分節の完全自動深層学習ソリューションと,LGE-CMRによる臨床像抽出について述べる。
この技術は、3つのカスケード畳み込みニューラルネットワークによって、生のLGE-CMR画像から心筋と線維化を分離し、解剖学的ガイドラインの中でこれらのセグメンテーションを拘束する。
- 参考スコア（独自算出の注目度）: 6.386874708851962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visualizing disease-induced scarring and fibrosis in the heart on cardiac
magnetic resonance (CMR) imaging with contrast enhancement (LGE) is paramount
in characterizing disease progression and quantifying pathophysiological
substrates of arrhythmias. However, segmentation and scar/fibrosis
identification from LGE-CMR is an intensive manual process prone to large
inter-observer variability. Here, we present a novel fully-automated
anatomically-informed deep learning solution for left ventricle (LV) and
scar/fibrosis segmentation and clinical feature extraction from LGE-CMR. The
technology involves three cascading convolutional neural networks that segment
myocardium and scar/fibrosis from raw LGE-CMR images and constrain these
segmentations within anatomical guidelines, thus facilitating seamless
derivation of clinically-significant parameters. In addition to available
LGE-CMR images, training used "LGE-like" synthetically enhanced cine scans.
Results show excellent agreement with those of trained experts in terms of
segmentation (balanced accuracy of $96\%$ and $75\%$ for LV and scar
segmentation), clinical features ($2\%$ difference in mean scar-to-LV wall
volume fraction), and anatomical fidelity. Our segmentation technology is
extendable to other computer vision medical applications and to problems
requiring guidelines adherence of predicted outputs.
- Abstract（参考訳）: コントラスト・エンハンスメント(LGE)を用いた心臓磁気共鳴画像(CMR)による心臓の傷跡と線維化の可視化は、疾患の進行と不整脈の病態生理学的基質の定量化において最重要である。
しかし、LGE-CMRからのセグメント化と傷痕・線維化の同定は、大きなサーバ間変動を引き起こす。
本稿では,左心室(LV)および難治/線維化分節とLGE-CMRの臨床的特徴抽出のための,完全自動解剖学的深層学習ソリューションを提案する。
この技術は、3つのカスケード畳み込みニューラルネットワークによって、生のLGE-CMR画像から心筋と線維化を分離し、解剖学的ガイドラインの範囲内でこれらのセグメンテーションを制限し、臨床的に重要なパラメータのシームレスな導出を容易にする。
利用可能なLGE-CMR画像に加えて、「LGEライク」なシンスキャンを用いたトレーニングも行われた。
以上の結果から, 訓練を受けた専門家は, セグメンテーション(lvとscarセグメンテーションの精度のバランスがよい), 臨床特徴(平均scar-to-lv壁容積率の差が2\%), 解剖学的忠実度, などの点で良好な一致を示した。
我々のセグメンテーション技術は、他のコンピュータビジョン医療アプリケーションや予測出力のガイドライン遵守を必要とする問題にも拡張可能である。
関連論文リスト
- Self-calibrated convolution towards glioma segmentation [45.74830585715129]
我々は,nnU-Netネットワークの異なる部分における自己校正畳み込みを評価し,スキップ接続における自己校正加群が,拡張腫瘍と腫瘍コアセグメンテーションの精度を大幅に向上できることを示す。
論文 参考訳（メタデータ） (2024-02-07T19:51:13Z) - 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) - Joint Deep Learning for Improved Myocardial Scar Detection from Cardiac
MRI [7.906794859364607]
本稿では,同時に学習した心筋のセグメンテーションを活用することで,これらの課題を改善する新しい統合ディープラーニング(JDL)フレームワークを提案する。
提案手法では,心筋セグメンテーションの情報をガイドスカー検出器に直接渡すメッセージパッシングモジュールを提案する。
自動左室シンチグラフィー(LV)におけるJDLのLGE-CMR画像に対する効果を実証し,リスク予測の改善の可能性を示した。
論文 参考訳（メタデータ） (2022-11-11T14:41:35Z) - Joint Liver and Hepatic Lesion Segmentation in MRI using a Hybrid CNN
with Transformer Layers [2.055026516354464]
SWTR-Unetと呼ばれるハイブリッドネットワークは、事前訓練されたResNet、トランスフォーマーブロック、共通のUnetスタイルのデコーダパスで構成されている。
Diceスコアが平均98-2%,MRIデータセットで81-28%,CTデータセットで97-2%,79-25%であったことから,提案したSWTR-Unetは肝病変と肝病変のセグメンテーションの正確なアプローチであることが判明した。
論文 参考訳（メタデータ） (2022-01-26T14:52:23Z) - Multi-Modality Cardiac Image Analysis with Deep Learning [16.814634972950717]
晩期ガドリニウム造影MRI(LGE MRI)は,心筋梗塞(MI)および心房粗動の可視化と定量化に有望な手法である。
本章は,深層学習に基づく多モード心画像解析における現状と最近の進歩を要約することを目的としている。
論文 参考訳（メタデータ） (2021-11-08T12:54:11Z) - Multi-center, multi-vendor automated segmentation of left ventricular
anatomy in contrast-enhanced MRI [0.7276738839986918]
本研究では,LGE-MRIにおけるマルチセンターとマルチベンダのLVセグメンテーションを初めて検討する。
トレーニングサンプルのイメージ変動を人工的に増強するデータ拡張、センター間でのLGE-MRI画像の分布調整のための画像調和、既存の単一中心モデルを調整するための移行学習、新しい臨床現場からの未確認画像への変換。
論文 参考訳（メタデータ） (2021-10-14T13:44:59Z) - Recent Advances in Fibrosis and Scar Segmentation from Cardiac MRI: A
State-of-the-Art Review and Future Perspectives [1.8268300764373178]
晩期ガドリニウム増強(LGE)心血管磁気共鳴(CMR)は臨床診断と治療を確実に導くのに有効である。
本報告では, 心臓線維症とスカーセグメンテーションの高精度化をめざして, 従来および現在の技術動向を概観する。
論文 参考訳（メタデータ） (2021-06-28T11:30:35Z) - Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark
Study from Multi-Sequence Cardiac MR Segmentation Challenge [43.01944884184009]
本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。
新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。
これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
論文 参考訳（メタデータ） (2020-06-22T17:04:38Z) - 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) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z) - 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)
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。