論文の概要: Coronary Plaque Analysis for CT Angiography Clinical Research

• arxiv url: http://arxiv.org/abs/2101.03799v1
• Date: Mon, 11 Jan 2021 10:22:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 19:31:19.501696
• Title: Coronary Plaque Analysis for CT Angiography Clinical Research
• Title（参考訳）: CTアンギオグラフィ臨床研究における冠動脈プラーク解析
• Authors: Felix Denzinger, Michael Wels, Christian Hopfgartner, Jing Lu, Max Sch\"obinger, Andreas Maier, Michael S\"uhling
• Abstract要約: 冠動脈内プラーク沈着の解析は,最近の臨床研究において重要な課題である。 異なるサブタスクのための新しいアルゴリズム - 例えば、 センターライン抽出または容器/プラーク分割 - 提案されます。 ソフトウェアソリューションは、手動補正、包括的な視覚フィードバック、組織分析機能を可能にします。
• 参考スコア（独自算出の注目度）: 9.250057090847298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The analysis of plaque deposits in the coronary vasculature is an important topic in current clinical research. From a technical side mostly new algorithms for different sub tasks - e.g. centerline extraction or vessel/plaque segmentation - are proposed. However, to enable clinical research with the help of these algorithms, a software solution, which enables manual correction, comprehensive visual feedback and tissue analysis capabilities, is needed. Therefore, we want to present such an integrated software solution. It is able to perform robust automatic centerline extraction and inner and outer vessel wall segmentation, while providing easy to use manual correction tools. Also, it allows for annotation of lesions along the centerlines, which can be further analyzed regarding their tissue composition. Furthermore, it enables research in upcoming technologies and research directions: it does support dual energy CT scans with dedicated plaque analysis and the quantification of the fatty tissue surrounding the vasculature, also in automated set-ups.
• Abstract（参考訳）: 冠血管内プラーク沈着の分析は,最近の臨床研究において重要な課題である。 技術的な側面から見ると、主に異なるサブタスクのための新しいアルゴリズムである。 中心線抽出または容器/プラーク分割が提案されている。 しかし,これらのアルゴリズムの助けを借りて臨床研究を可能にするためには,手動補正,包括的視覚フィードバック,組織解析機能を実現するソフトウェアソリューションが必要である。 したがって、このような統合されたソフトウェアソリューションを提示したい。 頑丈な自動中心線抽出と内壁と外壁のセグメンテーションを可能とし、手動の修正ツールを容易に利用できる。 また、中心線に沿った病変のアノテーションも可能で、組織組成についてさらに分析することができる。 さらに、血管周囲の脂肪組織の定量化と専用のプラーク分析による二重エネルギーCTスキャンを自動セットアップでサポートし、今後の技術や研究の方向性について研究することができる。

関連論文リスト

• RBAD: A Dataset and Benchmark for Retinal Vessels Branching Angle Detection [6.671669971067487]
  本稿では,自己設定画像処理技術を用いて網膜分岐角を検出する新しい手法を提案する。 我々は、オープンソースのアノテーションツールと、網膜分岐角を付加した40の画像からなるベンチマークデータセットを提供する。
  論文  参考訳（メタデータ） (2024-07-17T02:37:39Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• An automated framework for brain vessel centerline extraction from CTA images [28.173407996203153]
  CTA画像から脳血管中心を抽出する自動フレームワークを提案する。 提案手法は,平均対称中心線距離 (ASCD) と重なり (OV) の観点から,最先端手法より優れている。 サブグループ分析では,脳卒中治療における臨床応用において,提案する枠組みが有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-01-13T11:01:00Z)
• AutoCT: Automated CT registration, segmentation, and quantification [0.5461938536945721]
  本稿では, エンドツーエンドの自動前処理, 登録, セグメンテーション, 3次元CTスキャンの定量的解析を統合した包括的パイプラインを提案する。 エンジニアリングされたパイプラインは、アトラスベースのCTセグメンテーションと定量化を可能にする。 軽量でポータブルなソフトウェアプラットフォーム上で、AutoCTは、人工知能駆動アプリケーションのデプロイを支えるために、CTイメージングコミュニティのための新しいツールキットを提供する。
  論文  参考訳（メタデータ） (2023-10-26T21:09:47Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• Collaborative Robotic Biopsy with Trajectory Guidance and Needle Tip Force Feedback [49.32653090178743]
  本報告では, トラジェクトリーガイダンスと審美フィードバックを組み合わせて, 針の配置を補助するロボットバイオプシーシステムについて述べる。 リアルタイムデータ処理のための光コヒーレンストモグラフィーと機械学習に基づいて針先端の力を検出する針の設計。 膵臓のin situ生検を行ない,より小さい,より深いターゲット構造を正確にサンプリングできることを実証した。
  論文  参考訳（メタデータ） (2023-06-12T14:07:53Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Cardiac Adipose Tissue Segmentation via Image-Level Annotations [8.705311618392368]
  我々は,ヒト心基質のCT画像に画像レベルのアノテーションを用いた心脂肪組織分画のための2段階の深層学習フレームワークを開発した。 本研究は, 自動組織解析の需要と高品質な画素アノテーションの欠如とのギャップを埋めるものである。
  論文  参考訳（メタデータ） (2022-06-09T02:55:35Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• Deep Reinforcement Learning for Organ Localization in CT [59.23083161858951]
  我々はCTにおける臓器局所化のための深層強化学習手法を提案する。 この研究において、人工エージェントは、その主張や誤りから学習することで、CT内の臓器の局所化を積極的に行う。 本手法は,任意の臓器をローカライズするためのプラグイン・アンド・プレイモジュールとして利用できる。
  論文  参考訳（メタデータ） (2020-05-11T10:06:13Z)

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。