論文の概要: Multi-phase Deformable Registration for Time-dependent Abdominal Organ Variations

• arxiv url: http://arxiv.org/abs/2103.05525v1
• Date: Mon, 8 Mar 2021 15:43:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-10 14:46:54.803457
• Title: Multi-phase Deformable Registration for Time-dependent Abdominal Organ Variations
• Title（参考訳）: 経時的腹部臓器変化に対する多相変形性レジストレーション
• Authors: Seyoun Park, Elliot K. Fishman, Alan L. Yuille
• Abstract要約: 腹部臓器運動を考慮した多相CTスキャンのための時間効率良く正確な変形性登録アルゴリズムを提案する。 実験の結果,腹部全領域で1分以内の膵の登録精度は 0.85 +/- 0.45mm (mean +/- std) であった。
• 参考スコア（独自算出の注目度）: 81.37460333873524
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Human body is a complex dynamic system composed of various sub-dynamic parts. Especially, thoracic and abdominal organs have complex internal shape variations with different frequencies by various reasons such as respiration with fast motion and peristalsis with slower motion. CT protocols for abdominal lesions are multi-phase scans for various tumor detection to use different vascular contrast, however, they are not aligned well enough to visually check the same area. In this paper, we propose a time-efficient and accurate deformable registration algorithm for multi-phase CT scans considering abdominal organ motions, which can be applied for differentiable or non-differentiable motions of abdominal organs. Experimental results shows the registration accuracy as 0.85 +/- 0.45mm (mean +/- STD) for pancreas within 1 minute for the whole abdominal region.
• Abstract（参考訳）: 人体は、様々なサブダイナミックな部分からなる複雑な動的システムです。 特に胸部・腹部の臓器は, 運動が速い呼吸, 動きが遅い腹膜炎などの様々な理由により, 周波数の異なる複雑な内部形状変化を呈する。 腹部病変に対するctプロトコルは各種腫瘍検出のための多相スキャンであり,血管コントラストが異なるが,同じ部位を視覚的に確認するには不十分である。 本論文では、腹部臓器運動を考慮した多相CTスキャンのための時間効率的かつ正確な変形可能な登録アルゴリズムを提案し、腹部臓器の微分可能または非微分可能な運動に適用することができる。 腹部全領域で1分以内の膵の登録精度は 0.85 +/- 0.45mm (mean +/- std) であった。

関連論文リスト

• 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)
• 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)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• A New Probabilistic V-Net Model with Hierarchical Spatial Feature Transform for Efficient Abdominal Multi-Organ Segmentation [15.26560999964979]
  本稿では, 階層的空間的特徴変調を用いた確率的多臓器分割ネットワークを提案する。 提案手法は公開されているAbdomenCT-1Kデータセットに基づいて訓練され、他の2つのオープンデータセットで評価される。
  論文  参考訳（メタデータ） (2022-08-02T11:51:46Z)
• A multi-organ point cloud registration algorithm for abdominal CT registration [5.0338371688780965]
  本研究では,興味ある臓器のサブセットを正確に登録することに焦点を当てる。 BCPDアルゴリズムのマルチオーガナイズ版であるMO-BCPDを導入する。 解剖学的ランドマークのターゲット登録誤差は、標準的なBCPDに比べてMO-BCPDの約2倍小さい。
  論文  参考訳（メタデータ） (2022-03-15T16:27:29Z)
• Fully Automatic Deep Learning Framework for Pancreatic Ductal Adenocarcinoma Detection on Computed Tomography [0.0]
  早期発見は膵管腺癌(PDAC)の予後を改善する 現在のモデルでは、小さな(2cm)病変の特定に失敗している。 深層学習モデルを用いてPDAC検出のための自動フレームワークを開発した。
  論文  参考訳（メタデータ） (2021-11-30T13:59:46Z)
• Multi-Contrast Computed Tomography Healthy Kidney Atlas [3.0066242826634415]
  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。
  論文  参考訳（メタデータ） (2020-12-23T01:03:16Z)
• iPhantom: a framework for automated creation of individualized computational phantoms and its application to CT organ dosimetry [58.943644554192936]
  本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。 この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。 iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
  論文  参考訳（メタデータ） (2020-08-20T01:50:49Z)
• 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)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。