Fugu-MT 論文翻訳(概要): Automated Multi-Channel Segmentation for the 4D Myocardial Velocity Mapping Cardiac MR

論文の概要: Automated Multi-Channel Segmentation for the 4D Myocardial Velocity Mapping Cardiac MR

arxiv url: http://arxiv.org/abs/2012.12188v1
Date: Wed, 16 Dec 2020 16:15:55 GMT
ステータス: 処理完了
システム内更新日: 2021-05-03 02:49:18.123641
Title: Automated Multi-Channel Segmentation for the 4D Myocardial Velocity Mapping Cardiac MR
Title（参考訳）: 4次元心筋速度マッピング心筋mrのための自動マルチチャネルセグメンテーション
Authors: Yinzhe Wu, Suzan Hatipoglu, Diego Alonso-\'Alvarez, Peter Gatehouse, David Firmin, Jennifer Keegan, Guang Yang
Abstract要約: 4次元(4d)左室心筋速度マッピング(mvm)は、心磁気共鳴(cmr)技術である。本稿では,これらのCMRマルチチャネルデータに基づく標準U-Net手法を改善する新しいフレームワークを提案する。提案するネットワークは, シングルチャネルデータで訓練された標準U-Netネットワークと比較して, 性能が向上した。
参考スコア（独自算出の注目度）: 1.8653386811342048
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Four-dimensional (4D) left ventricular myocardial velocity mapping (MVM) is a cardiac magnetic resonance (CMR) technique that allows assessment of cardiac motion in three orthogonal directions. Accurate and reproducible delineation of the myocardium is crucial for accurate analysis of peak systolic and diastolic myocardial velocities. In addition to the conventionally available magnitude CMR data, 4D MVM also acquires three velocity-encoded phase datasets which are used to generate velocity maps. These can be used to facilitate and improve myocardial delineation. Based on the success of deep learning in medical image processing, we propose a novel automated framework that improves the standard U-Net based methods on these CMR multi-channel data (magnitude and phase) by cross-channel fusion with attention module and shape information based post-processing to achieve accurate delineation of both epicardium and endocardium contours. To evaluate the results, we employ the widely used Dice scores and the quantification of myocardial longitudinal peak velocities. Our proposed network trained with multi-channel data shows enhanced performance compared to standard U-Net based networks trained with single-channel data. Based on the results, our method provides compelling evidence for the design and application for the multi-channel image analysis of the 4D MVM CMR data.
Abstract（参考訳）: 4次元(4D)左室速度マッピング(MVM)は、心臓磁気共鳴(CMR)技術であり、3方向の心臓運動の評価を可能にする。心筋の正確かつ再現性のあるデライン化は, 収縮期および拡張期心筋速度の正確な解析に不可欠である。従来のCMRデータに加えて、4D MVMは速度マップを生成するために使用される3つの速度符号化位相データセットも取得する。これらは心筋の脱線を促進および改善するために用いられる。医用画像処理における深層学習の成功を踏まえ,注目モジュールとのクロスチャネル融合と形状情報に基づく後処理により,これらのCMRマルチチャネルデータ(マグニチュードとフェーズ)に基づく標準U-Netベースの手法を改良し,心内膜および心内膜輪郭の正確なデライン化を実現する,新しい自動化フレームワークを提案する。この結果を評価するために, 広く用いられている dice スコアと, 心筋縦断ピーク速度の定量化を行った。提案するネットワークは,シングルチャネルデータで訓練された標準U-Netネットワークと比較して,性能が向上した。その結果,本手法は4次元mvm cmrデータのマルチチャネル画像解析のための設計と応用のための説得力のある証拠を提供する。

関連論文リスト

Neural Fields for Continuous Periodic Motion Estimation in 4D Cardiovascular Imaging [1.1786989970743633]
時間分解型3次元フローMRI(4D Flow MRI)は、大動脈弓などの血管の血行動態を可視化し定量化するための、ユニークな非侵襲的なソリューションを提供する。動脈4DフローMRIのほとんどの解析法は, フルサイクルセグメンテーションが難しいため, 静的動脈壁を用いている。心臓周期を通して連続的な周期的な壁の変形を直接推定する神経磁場に基づく手法を提案する。
論文参考訳（メタデータ） (2024-07-30T10:50:51Z)
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)
CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。ディープラーニング手法は大規模なトレーニングデータセットを必要とする。このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文参考訳（メタデータ） (2023-09-19T15:14:42Z)
Error correcting 2D-3D cascaded network for myocardial infarct scar segmentation on late gadolinium enhancement cardiac magnetic resonance images [0.0]
完全自動で心筋梗塞の程度を計算できる2次元および3次元畳み込みニューラルネットワーク(CNN)のケースケードフレームワークを提案する。 EMIDECチャレンジのトレーニングデータセットを用いて,提案手法を5倍のクロスバリデーションで評価し,評価した。
論文参考訳（メタデータ） (2023-06-26T14:21:18Z)
GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
論文参考訳（メタデータ） (2022-07-18T06:01:29Z)
HDL: Hybrid Deep Learning for the Synthesis of Myocardial Velocity Maps in Digital Twins for Cardiac Analysis [12.999677043271133]
本稿では,合成3Dir MVMデータを対象としたハイブリッドディープラーニング(HDL)ネットワークを提案する。提案アルゴリズムは高時間分解能3Dir MVM CMRデータの合成に成功している。この研究は、3Dir MVM CMRのデジタル双対を調査した最初の論文である。
論文参考訳（メタデータ） (2022-03-09T23:22:56Z)
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)
Three-Dimensional Embedded Attentive RNN (3D-EAR) Segmentor for Left Ventricle Delineation from Myocardial Velocity Mapping [1.8653386811342048]
MVM-CMRデータセットのための組み込みマルチチャネルアテンション機構とLSTMベースのリカレントニューラルネットワーク(RNN)を備えた3D-UNETバックボーンアーキテクチャを組み込んだ新しいフルオートマチックフレームワークを提案する。 3D-UNETのベースラインモデルと、組み込み型LSTMモジュールと各種損失関数の有無の比較により、提案モデルが最先端のベースラインモデルより大幅に改善されたことを実証できます。
論文参考訳（メタデータ） (2021-04-26T11:04:43Z)
Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文参考訳（メタデータ） (2020-12-24T17:48:35Z)
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)
Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。