論文の概要: Multi-Contrast Computed Tomography Healthy Kidney Atlas
- arxiv url: http://arxiv.org/abs/2012.12432v2
- Date: Thu, 24 Dec 2020 01:44:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-25 18:02:19.674018
- Title: Multi-Contrast Computed Tomography Healthy Kidney Atlas
- Title（参考訳）: マルチコントラストCTによる健康キドニーアトラスの診断
- Authors: Ho Hin Lee, Yucheng Tang, Kaiwen Xu, Shunxing Bao, Agnes B. Fogo,
Raymond Harris, Mark P. de Caestecker, Mattias Heinrich, Jeffrey M.
Spraggins, Yuankai Huo, Bennett A. Landman
- Abstract要約: スケール全体の可変性を統合および視覚化するには、ボリュームメトリックアトラスフレームワークが必要です。
多発性コントラストCTには腹腔・後腹膜臓器のアラス・フレームワークは存在しない。
腹腔容積を高分解能CTアトラステンプレートに登録するために,深層学習に基づく興味抽出法と2段階階層自動登録パイプラインを導入する。
- 参考スコア（独自算出の注目度）: 3.0066242826634415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The construction of three-dimensional multi-modal tissue maps provides an
opportunity to spur interdisciplinary innovations across temporal and spatial
scales through information integration. While the preponderance of effort is
allocated to the cellular level and explore the changes in cell interactions
and organizations, contextualizing findings within organs and systems is
essential to visualize and interpret higher resolution linkage across scales.
There is a substantial normal variation of kidney morphometry and appearance
across body size, sex, and imaging protocols in abdominal computed tomography
(CT). A volumetric atlas framework is needed to integrate and visualize the
variability across scales. However, there is no abdominal and retroperitoneal
organs atlas framework for multi-contrast CT. Hence, we proposed a
high-resolution CT retroperitoneal atlas specifically optimized for the kidney
across non-contrast CT and early arterial, late arterial, venous and delayed
contrast enhanced CT. Briefly, we introduce a deep learning-based volume of
interest extraction method and an automated two-stage hierarchal registration
pipeline to register abdominal volumes to a high-resolution CT atlas template.
To generate and evaluate the atlas, multi-contrast modality CT scans of 500
subjects (without reported history of renal disease, age: 15-50 years, 250
males & 250 females) were processed. We demonstrate a stable generalizability
of the atlas template for integrating the normal kidney variation from small to
large, across contrast modalities and populations with great variability of
demographics. The linkage of atlas and demographics provided a better
understanding of the variation of kidney anatomy across populations.
- Abstract（参考訳）: 3次元のマルチモーダル組織マップの構築は、情報統合を通じて、時間的および空間的スケールにわたる学際的なイノベーションを促進する機会を提供する。
作業の優先順位が細胞レベルに割り当てられ、細胞相互作用や組織の変化を探索する一方で、臓器やシステム内での発見の文脈化は、スケールにわたる高解像度リンクの可視化と解釈に不可欠である。
腹部CT(腹部CT)では,腎形態,体の大きさ,性別,画像プロトコルの経時的変化が著しい。
スケール間のばらつきを統合および可視化するために、ボリュームアトラスフレームワークが必要である。
しかし,多発造影CTには腹腔・後腹膜臓器のアラス・フレームワークは存在しない。
そこで我々は,非造影CT,早期動脈,後期動脈,静脈,遅延造影CTを対象とし,腎に特異的に最適化された高分解能CT後腹膜腺腫を提案した。
そこで本研究では,高分解能CTアトラステンプレートに腹部容積を登録するために,深層学習に基づく興味抽出法と2段階階層自動登録パイプラインを導入する。
アトラスを生成・評価するために,500名(腎疾患歴なし,年齢15～50歳,男性250名,女性250名)のコントラストctスキャンを行った。
本研究は,本テンプレートの安定な一般化性を示し,小から大までの腎臓の変動を,人口動態の多様性に富むコントラストや個体群にまたがって統合した。
アトラスと人口動態の関連は、個体群間の腎臓解剖の変動をよりよく理解した。
関連論文リスト
- Deep Learning for Vascular Segmentation and Applications in Phase
Contrast Tomography Imaging [33.23991248643144]
本稿では,多様な臓器にまたがる機械学習技術の現状を概説する。
我々のゴールは、このトピックの基礎を提供し、新しい画像モダリティで血管セグメンテーションに適用するための堅牢なベースラインモデルを特定することである。
HiP CTは、1ボクセルあたり20mmという前例のない解像度で、完全な臓器の3Dイメージングを可能にする。
論文 参考訳（メタデータ） (2023-11-22T11:15:38Z) - Multi-Contrast Computed Tomography Atlas of Healthy Pancreas [20.701287373470425]
臓器特異的解析のための形態的変動に適応するためには,体積空間参照が必要である。
膵臓に特異的に最適化されたCTアトラスフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-02T18:16:21Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Multi stain graph fusion for multimodal integration in pathology [0.5942143381145052]
本稿では,多モードCNN-GNNに基づくグラフ融合手法を提案する。
CRN線維症ステージとNAS(NAFLD Activity Score)を予測して非アルコール性脂肪肝炎(NASH)におけるこのアプローチを実証した。
単一定常モデルを用いた場合, 線維化段階およびNAS成分濃度の予測における最大20%の改善が報告された。
論文 参考訳（メタデータ） (2022-04-26T18:49:24Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - Automatic Pulmonary Artery and Vein Separation Algorithm Based on
Multitask Classification Network and Topology Reconstruction in Chest CT
Images [6.7068805048290425]
胸部CT像から肺動脈と静脈を自動的に分離する新しい方法を提案する。
提案手法は非コントラスト胸部CTの平均精度96.2%を達成した。
論文 参考訳（メタデータ） (2021-03-22T11:25:45Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - 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 Deep Learning Approach to Automate High-Resolution Blood Vessel
Reconstruction on Computerized Tomography Images With or Without the Use of
Contrast Agent [2.1897279580410896]
拡張性大動脈瘤嚢内の大動脈壁に付着した血栓または血栓が70～80%の症例に認められる。
我々は,病的血管の高スループットパイプラインを構築するため,注意を喚起する改良されたU-Netアーキテクチャを実装した。
この抽出ボリュームは、現在の動脈瘤疾患管理の方法の標準化に使用することができ、その後の複雑な幾何学的および形態学的解析の基礎を定めている。
論文 参考訳（メタデータ） (2020-02-09T22:32:37Z)
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。