論文の概要: Kernel-based framework to estimate deformations of pneumothorax lung using relative position of anatomical landmarks

• arxiv url: http://arxiv.org/abs/2102.12505v1
• Date: Wed, 24 Feb 2021 19:00:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-26 13:51:22.143013
• Title: Kernel-based framework to estimate deformations of pneumothorax lung using relative position of anatomical landmarks
• Title（参考訳）: 解剖学的ランドマークの相対位置を用いた気胸肺の変形推定のためのカーネルモデル
• Authors: Utako Yamamoto, Megumi Nakao, Masayuki Ohzeki, Junko Tokuno, Toyofumi Fengshi Chen-Yoshikawa, and Tetsuya Matsuda
• Abstract要約: 手術中の気胸状態の肺は、正常な肺から大きな体積変化を有する。 主に変形した肺の変形を推定するために, カーネル回帰に基づく溶液を導入した。 提案手法は、少数の訓練症例と小さな観察領域から肺の変形を推定することができた。
• 参考スコア（独自算出の注目度）: 0.8774270519266247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In video-assisted thoracoscopic surgeries, successful procedures of nodule resection are highly dependent on the precise estimation of lung deformation between the inflated lung in the computed tomography (CT) images during preoperative planning and the deflated lung in the treatment views during surgery. Lungs in the pneumothorax state during surgery have a large volume change from normal lungs, making it difficult to build a mechanical model. The purpose of this study is to develop a deformation estimation method of the 3D surface of a deflated lung from a few partial observations. To estimate deformations for a largely deformed lung, a kernel regression-based solution was introduced. The proposed method used a few landmarks to capture the partial deformation between the 3D surface mesh obtained from preoperative CT and the intraoperative anatomical positions. The deformation for each vertex of the entire mesh model was estimated per-vertex as a relative position from the landmarks. The landmarks were placed in the anatomical position of the lung's outer contour. The method was applied on nine datasets of the left lungs of live Beagle dogs. Contrast-enhanced CT images of the lungs were acquired. The proposed method achieved a local positional error of vertices of 2.74 mm, Hausdorff distance of 6.11 mm, and Dice similarity coefficient of 0.94. Moreover, the proposed method could estimate lung deformations from a small number of training cases and a small observation area. This study contributes to the data-driven modeling of pneumothorax deformation of the lung.
• Abstract（参考訳）: 胸腔鏡下胸腔鏡下手術における結節切除術の成功は,術前計画時のCT像と術中における肺の拡張による肺の膨脹による肺変形の正確な評価に大きく依存する。 手術中の気胸状態の肺は正常な肺から大きく変化しており、機械的モデルの構築が困難である。 本研究の目的は, いくつかの部分的観測から, 減圧肺の3次元表面の変形推定法を開発することである。 主に変形した肺の変形を推定するために, カーネル回帰に基づく溶液を導入した。 術前ctと術中解剖学的位置から得られた3次元表面メッシュの部分的変形を,いくつかのランドマークを用いて捉えた。 メッシュモデル全体の頂点毎の変形はランドマークから相対的な位置として推定された。 ランドマークは肺の外側の輪郭の解剖学的位置に置かれた。 この方法は、生きたビーグル犬の左肺の9つのデータセットに適用された。 肺の造影CT像が得られた。 提案手法では,頂点の局所位置誤差2.74mm,ハウスドルフ距離6.11mm,ダイス類似係数0.94を達成した。 また,本手法では,少人数の訓練症例と観察領域から肺の変形を推定することができた。 本研究は肺の気胸変形に関するデータ駆動モデリングに寄与する。

関連論文リスト

• BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images [32.586316762855944]
  我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。 我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
  論文  参考訳（メタデータ） (2023-09-18T00:38:25Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• Improved lung segmentation based on U-Net architecture and morphological operations [0.0]
  胸部X線写真における肺のセグメンテーションの信頼性について検討した。 我々のモデルは、情報源であるChest Radiographの重要でない領域を無視することを学ぶことで、これらの課題を克服する。 提案モデルの信頼性を示すDICE係数は98.1%である。
  論文  参考訳（メタデータ） (2022-10-19T13:32:00Z)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• Pulmonary Fissure Segmentation in CT Images Based on ODoS Filter and Shape Features [3.7006330637320897]
  我々は、方位情報と等級情報を融合して、ファイジャー強化のための構造特徴を強調することにより、ODoSフィルタを採用する。 大きさ場における肺細管と管状構造の形状差を考慮し, 形状測定法と3次元骨格化モデルを組み合わせて肺細管を切断する。
  論文  参考訳（メタデータ） (2022-01-23T02:43:03Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。 正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。 本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)
• Pulmonary Vessel Segmentation based on Orthogonal Fused U-Net++ of Chest CT Images [1.8692254863855962]
  胸部CT画像から肺血管セグメンテーションの枠組みと改善過程について検討した。 アプローチの鍵となるのは、3つの軸から2.5D区分けネットワークを応用し、堅牢で完全に自動化された肺血管区分け結果を示す。 提案手法は,他のネットワーク構造よりも大きなマージンで優れ,平均DICEスコア0.9272,精度0.9310を極端に上回っている。
  論文  参考訳（メタデータ） (2021-07-03T21:46:29Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
  側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。 本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。 本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
  論文  参考訳（メタデータ） (2020-07-20T12:45:38Z)

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。