論文の概要: Segmentation of the cortical plate in fetal brain MRI with a topological loss

• arxiv url: http://arxiv.org/abs/2010.12391v2
• Date: Tue, 24 Nov 2020 12:38:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 23:55:54.323242
• Title: Segmentation of the cortical plate in fetal brain MRI with a topological loss
• Title（参考訳）: 位相的損失を伴う胎児脳MRIにおける皮質プレートの分画
• Authors: Priscille de Dumast, Hamza Kebiri, Chirine Atat, Vincent Dunet, M\'eriam Koob, Meritxell Bach Cuadra
• Abstract要約: 本研究では,大脳皮質プレートの深層学習に基づくセグメンテーションの形態的整合性を高めるために,トポロジカル制約の統合を新たな損失関数として初めて提案する。 妊娠21週から38週の胎児脳腺腫18例について定量的に検討し,全妊娠年齢で有意な有意な有意な効果を示した。
• 参考スコア（独自算出の注目度）: 0.22369578015657957
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The fetal cortical plate undergoes drastic morphological changes throughout early in utero development that can be observed using magnetic resonance (MR) imaging. An accurate MR image segmentation, and more importantly a topologically correct delineation of the cortical gray matter, is a key baseline to perform further quantitative analysis of brain development. In this paper, we propose for the first time the integration of a topological constraint, as an additional loss function, to enhance the morphological consistency of a deep learning-based segmentation of the fetal cortical plate. We quantitatively evaluate our method on 18 fetal brain atlases ranging from 21 to 38 weeks of gestation, showing the significant benefits of our method through all gestational ages as compared to a baseline method. Furthermore, qualitative evaluation by three different experts on 130 randomly selected slices from 26 clinical MRIs evidences the out-performance of our method independently of the MR reconstruction quality.
• Abstract（参考訳）: 胎児の皮質プレートは、子宮の発達の早い段階で、磁気共鳴(mr)画像で観察されるような劇的な形態変化を伴っている。 正確なMR画像のセグメンテーション、さらに重要なのは、皮質灰白質のトポロジカルに正しいデライン化は、脳の発達をより定量的に分析するための重要なベースラインである。 本稿では,大腿皮質プレートの深部学習に基づくセグメンテーションの形態的整合性を高めるために,トポロジカル制約を付加的損失関数として初めて統合することを提案する。 妊娠21週から38週の胎児脳アトラス18例について定量的に評価した。 さらに,13個のMRI画像からランダムに選択した130個のスライスについて,3種類の専門家による質的評価を行った。

関連論文リスト

• Anatomically Constrained Tractography of the Fetal Brain [6.112565873653592]
  我々は,dMRI空間内での胎児脳組織の正確な分画に基づく解剖学的拘束性トラクトグラフィーを提唱する。 独立試験データを用いて実験したところ、この方法は胎児の脳組織を正確に分画し、トラクトグラフィーの結果を大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2024-03-04T19:56:19Z)
• CAS-Net: Conditional Atlas Generation and Brain Segmentation for Fetal MRI [10.127399319119911]
  本研究では、条件付きアトラスを同時に生成し、脳組織分節を予測できる新しいネットワーク構造を提案する。 提案手法は,Human Connectome Projectから253名の被験者を対象に,実験・評価を行った。
  論文  参考訳（メタデータ） (2022-05-17T11:23:02Z)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Fetal MRI by robust deep generative prior reconstruction and diffeomorphic registration: application to gestational age prediction [5.491836552931295]
  非等質および非等方性サンプリング因子を補正するために,体積再構成を提案する。 コントリビューションを検証し、アートメソッドの状態と比較するための実験が実施されている。 その結果, 画像の解像度が向上し, 妊娠年齢の精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-10-29T22:09:52Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• 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)
• Local semi-supervised approach to brain tissue classification in child brain MRI [0.0]
  小児脳MRIにおけるほとんどのセグメンテーション法は、制御されており、主要な脳構造の大域的な強度確率計算に基づいている。 本稿では,主要な組織群(白質,灰白質)と髄液の分類を検討した。 本手法は, 部分体積推定(Partial Volume Estimation)と呼ばれる最先端の分類技術との比較により, 組織クラスの検出を改善した。
  論文  参考訳（メタデータ） (2020-05-20T06:43:41Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• A Deep Attentive Convolutional Neural Network for Automatic Cortical Plate Segmentation in Fetal MRI [12.554154620492772]
  我々は胎児脳MRIスキャンのための新しい強力なディープラーニングセグメンテーション法を開発した。 本手法は,完全な畳み込みニューラルネットワークアーキテクチャにおいて,カーネルの畳み込みが混在する新しい深層抑止モジュールを利用する。 本手法は, 正常および変化した胎児大脳皮質の成熟と折り畳みについて, 大規模研究を促進・促進することができる。
  論文  参考訳（メタデータ） (2020-04-27T14:55:22Z)
• 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。