論文の概要: CNN-based Cardiac Motion Extraction to Generate Deformable Geometric
Left Ventricle Myocardial Models from Cine MRI
- arxiv url: http://arxiv.org/abs/2103.16695v1
- Date: Tue, 30 Mar 2021 21:34:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 07:33:32.747386
- Title: CNN-based Cardiac Motion Extraction to Generate Deformable Geometric
Left Ventricle Myocardial Models from Cine MRI
- Title（参考訳）: cnnを用いた心運動抽出法によるシネmriを用いた変形性心室心筋モデルの作成
- Authors: Roshan Reddy Upendra, Brian Jamison Wentz, Richard Simon, Suzanne M.
Shontz, Cristian A. Linte
- Abstract要約: Cine心MR画像からLV心筋の患者特異的幾何モデルの開発のための枠組みを提案する。
我々はvoxelmorph-based convolutional neural network (cnn) を用いて、心周期の次のフレームにエンドダイアゾールフレームの等表面メッシュとボリュームメッシュを伝搬する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Patient-specific left ventricle (LV) myocardial models have the potential to
be used in a variety of clinical scenarios for improved diagnosis and treatment
plans. Cine cardiac magnetic resonance (MR) imaging provides high resolution
images to reconstruct patient-specific geometric models of the LV myocardium.
With the advent of deep learning, accurate segmentation of cardiac chambers
from cine cardiac MR images and unsupervised learning for image registration
for cardiac motion estimation on a large number of image datasets is
attainable. Here, we propose a deep leaning-based framework for the development
of patient-specific geometric models of LV myocardium from cine cardiac MR
images, using the Automated Cardiac Diagnosis Challenge (ACDC) dataset. We use
the deformation field estimated from the VoxelMorph-based convolutional neural
network (CNN) to propagate the isosurface mesh and volume mesh of the
end-diastole (ED) frame to the subsequent frames of the cardiac cycle. We
assess the CNN-based propagated models against segmented models at each cardiac
phase, as well as models propagated using another traditional nonrigid image
registration technique.
- Abstract（参考訳）: 患者特異的左室モデル(LV)は、診断と治療計画の改善のために様々な臨床シナリオで使用される可能性がある。
Cine heartc magnetic resonance (MR) imagingは、LV心筋の患者固有の幾何学的モデルを再構成するための高解像度画像を提供する。
深層学習の出現に伴い, 心臓MRI画像からの心臓室の正確なセグメンテーション, 多数の画像データセット上での心臓運動推定のための画像登録のための教師なし学習が達成される。
本稿では,ACDC(Automated Cardiac Diagnosis Challenge)データセットを用いて,心臓MRI画像から患者特異的なLV心筋形状モデルを開発するための深い傾きに基づくフレームワークを提案する。
我々は,voxelmorph-based convolutional neural network (cnn) から推定される変形場を用いて,エンドダイアストール(ed)フレームの等表面メッシュと体積メッシュを心周期の次のフレームに伝播させる。
心臓の各相におけるセグメント化モデルに対するCNNベースの伝搬モデルと,他の非剛性画像登録技術を用いて伝播するモデルを評価する。
関連論文リスト
- CNN Based Detection of Cardiovascular Diseases from ECG Images [0.0]
このモデルはInceptionV3アーキテクチャを使って構築され、転送学習によって最適化された。
開発されたモデルでは、MIや他の心血管疾患を93.27%の精度で検出することに成功した。
論文 参考訳（メタデータ） (2024-08-29T11:26:07Z) - Multi-Branch Generative Models for Multichannel Imaging with an Application to PET/CT Synergistic Reconstruction [42.95604565673447]
本稿では,マルチブランチ生成モデルを用いた医用画像の相乗的再構築のための新しい手法を提案する。
我々は,MNIST (Modified National Institute of Standards and Technology) とPET (positron emission tomography) とCT (Computed tomography) の2つのデータセットに対するアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2024-04-12T18:21:08Z) - Generation of patient specific cardiac chamber models using generative
neural networks under a Bayesian framework for electroanatomical mapping [1.9336815376402723]
心のCT/MRIスキャンライブラリーでトレーニングされた確率論的機械学習モデルは、電気解剖学的マッピングで使用することができる。
疎い3次元点雲データから心臓室モデルの表面再構成を行うためのベイズ的手法を提案する。
ニューラルネットワークが、ネットワークのトレーニングに使用するセグメント化されたCT/MRI画像から何を学習するかについて、どのように洞察を提供するかを示す。
論文 参考訳（メタデータ） (2023-11-27T03:47:33Z) - Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。
グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。
我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
論文 参考訳（メタデータ） (2023-11-22T21:51:29Z) - 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) - Shape of my heart: Cardiac models through learned signed distance functions [33.29148402516714]
本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。
この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。
また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
論文 参考訳（メタデータ） (2023-08-31T09:02:53Z) - DMCVR: Morphology-Guided Diffusion Model for 3D Cardiac Volume
Reconstruction [33.59945107137013]
現在の心臓MRIによる再建技術は、平面解像度が制限された2Dである。
本稿では,高解像度2次元画像とそれに対応する3次元再構成ボリュームを合成する3次元心容積再構成のための形態誘導拡散モデルDMCVRを提案する。
論文 参考訳（メタデータ） (2023-08-18T00:48:30Z) - 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) - 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) - 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) - On the effectiveness of GAN generated cardiac MRIs for segmentation [12.59275199633534]
本稿では,心形態の潜在表現を学習するための変分オートエンコーダ(VAE)を提案する。
一方、GANは、与えられた解剖学的マップに適した現実的なMR画像を生成するために、"SPatially-Adaptive (DE)Normalization"モジュールを使用する。
合成アノテート画像を用いて訓練したCNNのセグメンテーションは,従来の手法と比較して競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-05-18T18:48:38Z)
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。