論文の概要: Estimation of Cardiac Valve Annuli Motion with Deep Learning

• arxiv url: http://arxiv.org/abs/2010.12446v1
• Date: Fri, 23 Oct 2020 14:39:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 22:26:10.155427
• Title: Estimation of Cardiac Valve Annuli Motion with Deep Learning
• Title（参考訳）: 深層学習による心臓弁輪運動の推定
• Authors: Eric Kerfoot, Carlos Escudero King, Tefvik Ismail, David Nordsletten, Renee Miller
• Abstract要約: 地球規模のひずみの定量化には、心臓周期を通しての長時間軸運動の迅速かつ正確な追跡方法が必要である。 この研究は、ラベルのない長軸MR画像から10の特徴を識別するニューラルネットワークを開発し、訓練した。 これらの特徴の同定精度は、画素距離において、2つの一般的な特徴追跡手法の精度と比較した。
• 参考スコア（独自算出の注目度）: 0.1211493597730362
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Valve annuli motion and morphology, measured from non-invasive imaging, can be used to gain a better understanding of healthy and pathological heart function. Measurements such as long-axis strain as well as peak strain rates provide markers of systolic function. Likewise, early and late-diastolic filling velocities are used as indicators of diastolic function. Quantifying global strains, however, requires a fast and precise method of tracking long-axis motion throughout the cardiac cycle. Valve landmarks such as the insertion of leaflets into the myocardial wall provide features that can be tracked to measure global long-axis motion. Feature tracking methods require initialisation, which can be time-consuming in studies with large cohorts. Therefore, this study developed and trained a neural network to identify ten features from unlabeled long-axis MR images: six mitral valve points from three long-axis views, two aortic valve points and two tricuspid valve points. This study used manual annotations of valve landmarks in standard 2-, 3- and 4-chamber long-axis images collected in clinical scans to train the network. The accuracy in the identification of these ten features, in pixel distance, was compared with the accuracy of two commonly used feature tracking methods as well as the inter-observer variability of manual annotations. Clinical measures, such as valve landmark strain and motion between end-diastole and end-systole, are also presented to illustrate the utility and robustness of the method.
• Abstract（参考訳）: 非侵襲的イメージングで測定された弁輪運動と形態は、健康的および病理学的心臓機能をよりよく理解するために使用できる。 長軸ひずみやピークひずみ速度などの測定は、シストリック機能の指標となる。 同様に、初期および後期ダイアストリック充填速度はダイアストリック関数の指標として用いられる。 しかし、大域的なひずみの定量化には、心臓周期を通して長軸運動を高速かつ正確に追跡する手法が必要である。 心筋壁へのリーフレットの挿入のような弁のランドマークは、グローバルな長軸運動を測定するために追跡できる特徴を提供する。 特徴追跡には初期化が必要であり、大きなコホートを持つ研究では時間を要する。 そこで本研究では,3つの長軸からの6つの僧帽弁点,2つの大動脈弁点および2つの三尖弁点から,ラベル付き長軸MR画像から10つの特徴を同定するニューラルネットワークを開発した。 本研究は, 2-, 3- and 4-chamber長軸画像における弁目印の手動アノテーションを用いてネットワークをトレーニングした。 これらの10個の特徴をピクセル距離で識別する精度は, 普通に用いられている2つの特徴追跡手法の精度と, マニュアルアノテーションのサーバ間変動性と比較した。 この方法の有用性と堅牢性を示すため, 弁の目印ひずみや, エンド-ジストールとエンド-シストールの運動などの臨床的指標も提示された。

関連論文リスト

• Longitudinal Segmentation of MS Lesions via Temporal Difference Weighting [2.0168790328644697]
  本稿では,ベースラインとフォローアップスキャンの時間的差を,差分重みブロックと呼ばれるユニークなアーキテクチャ的帰納バイアスによって明示的に取り込む新しい手法を提案する。 本研究は,2つのデータセットにまたがる最先端の縦・単点モデルと比較して,病変のセグメンテーションおよび病変検出において優れたスコアを得る。
  論文  参考訳（メタデータ） (2024-09-20T11:30:54Z)
• 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)
• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Comparison of Depth Estimation Setups from Stereo Endoscopy and Optical Tracking for Point Measurements [1.1084983279967584]
  最小侵襲の僧帽弁修復を支援するため、赤外追跡スタイラスを用いて弁からの定量的測定を得ることができる。 両座標系を繋ぎ、点を画像面に投影する前提条件であるハンドアイキャリブレーションが必要である。 これに対する補完的なアプローチは、3D座標を得るために、視覚に基づく立体セットを用いて興味のある点を検出し、三角測量することである。 予備的な結果から、3Dランドマーク推定は、手動でラベル付けするか、あるいはディープラーニングによる部分的自動検出によって行われる。
  論文  参考訳（メタデータ） (2022-01-26T10:15:46Z)
• Steerable Pyramid Transform Enables Robust Left Ventricle Quantification [24.186574235693826]
  左室定量化(LV)のためのロバストモデル学習法について述べる。 我々の成功は、固定されたフロントエンド処理に生物学的にインスパイアされたステアブルピラミッド変換(SPT)を採用することにある。 我々のSPT拡張モデルは、最先端の手法に比べて合理的な予測精度を達成するだけでなく、入力摂動に対する堅牢性も著しく向上している。
  論文  参考訳（メタデータ） (2022-01-20T06:09:56Z)
• Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
  本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。 心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
  論文  参考訳（メタデータ） (2021-12-03T16:09:32Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• 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)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。