論文の概要: JAS-GAN: Generative Adversarial Network Based Joint Atrium and Scar
Segmentations on Unbalanced Atrial Targets
- arxiv url: http://arxiv.org/abs/2105.00234v1
- Date: Sat, 1 May 2021 12:33:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-04 13:51:17.754452
- Title: JAS-GAN: Generative Adversarial Network Based Joint Atrium and Scar
Segmentations on Unbalanced Atrial Targets
- Title（参考訳）: JAS-GAN:非平衡心房ターゲットにおける共振器とスカーセグメンテーション
- Authors: Jun Chen, Guang Yang, Habib Khan, Heye Zhang, Yanping Zhang, Shu Zhao,
Raad Mohiaddin, Tom Wong, David Firmin, Jennifer Keegan
- Abstract要約: 本研究では,不均衡な心房ターゲットを識別するカスケード間対向ネットワーク,すなわち JAS-GAN を提案する。
Jas-GANは、不均衡な心房ターゲットのセグメンテーションタスクを自動的に関連付ける適応的注意カスケードを調査します。
主に、LAと心房の傷が実際のものと一致するよう、推定された共同分布を強制する。
- 参考スコア（独自算出の注目度）: 11.507811388835348
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated and accurate segmentations of left atrium (LA) and atrial scars
from late gadolinium-enhanced cardiac magnetic resonance (LGE CMR) images are
in high demand for quantifying atrial scars. The previous quantification of
atrial scars relies on a two-phase segmentation for LA and atrial scars due to
their large volume difference (unbalanced atrial targets). In this paper, we
propose an inter-cascade generative adversarial network, namely JAS-GAN, to
segment the unbalanced atrial targets from LGE CMR images automatically and
accurately in an end-to-end way. Firstly, JAS-GAN investigates an adaptive
attention cascade to automatically correlate the segmentation tasks of the
unbalanced atrial targets. The adaptive attention cascade mainly models the
inclusion relationship of the two unbalanced atrial targets, where the
estimated LA acts as the attention map to adaptively focus on the small atrial
scars roughly. Then, an adversarial regularization is applied to the
segmentation tasks of the unbalanced atrial targets for making a consistent
optimization. It mainly forces the estimated joint distribution of LA and
atrial scars to match the real ones. We evaluated the performance of our
JAS-GAN on a 3D LGE CMR dataset with 192 scans. Compared with the
state-of-the-art methods, our proposed approach yielded better segmentation
performance (Average Dice Similarity Coefficient (DSC) values of 0.946 and
0.821 for LA and atrial scars, respectively), which indicated the effectiveness
of our proposed approach for segmenting unbalanced atrial targets.
- Abstract（参考訳）: 後期gadolinium-enhanced heart magnetic resonance (lge cmr)画像からの左心房(la)と心房の傷の自動的および正確なセグメント化は、心房の傷の定量化に高需要である。
前回の心房の傷の定量化は、大容量の差(非バランスな心房の標的)のため、laと心房の傷に対する2相の区分に依存する。
本稿では,LGE CMR画像から不均衡な心房ターゲットをエンド・ツー・エンドで自動的かつ正確に抽出する,カスケード間対向ネットワーク,すなわち JAS-GAN を提案する。
まず、JAS-GANは適応的な注意カスケードを調査し、不均衡な心房ターゲットのセグメンテーションタスクを自動的に相関させる。
アダプティブ・アテンション・カスケード(adaptive attention cascade)は、主に2つの非平衡心房目標の包含関係をモデル化し、推定されたlaは、概ね小さな心房の傷に適応的に焦点を合わせるアテンションマップとして作用する。
そして、不均衡な心房ターゲットのセグメンテーションタスクに逆正則化を適用し、一貫した最適化を行う。
主に、LAと心房障害の予測された共同分布を実際のものと一致させる。
JAS-GANを3次元LGE CMRデータセットで192スキャンで評価した。
方法と比較すると, 提案手法はより優れたセグメンテーション性能(平均Dice similarity Coefficient (DSC) はLAでは0.946, 0.821, 心房障害では0.821) を示し, 心房目標のセグメンテーションに対する提案手法の有効性を示した。
関連論文リスト
- Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。
この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
論文 参考訳（メタデータ） (2024-09-24T13:33:46Z) - 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) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Position-prior Clustering-based Self-attention Module for Knee Cartilage
Segmentation [14.797196965853233]
膝軟骨の形態変化は変形性膝関節症の進行と密接に関連している。
変形性膝関節症に対する経時的研究に有効な自動軟骨分割モデルを提案する必要がある。
論文 参考訳（メタデータ） (2022-06-21T12:12:16Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳（メタデータ） (2020-08-19T06:02:46Z) - AtrialJSQnet: A New Framework for Joint Segmentation and Quantification
of Left Atrium and Scars Incorporating Spatial and Shape Information [22.162571400010467]
臨床では左心房(LA)と後期ガドリニウム造影MRI(LGE MRI)の心房粗動が重要な課題である。
従来の手法は通常2つの課題を独立に解決し、LAと傷跡の固有の空間的関係を無視した。
AtrialJSQnetと呼ばれる新しいフレームワークを開発し、LAセグメンテーション、LA表面へのスカープロジェクション、およびスカーの定量化をエンドツーエンド形式で同時に行う。
論文 参考訳（メタデータ） (2020-08-11T14:44:19Z) - Joint Left Atrial Segmentation and Scar Quantification Based on a DNN
with Spatial Encoding and Shape Attention [21.310508988246937]
本稿では,左心房(LA)空洞を同時に分割し,LAの傷跡を定量化するエンド・ツー・エンドディープ・ニューラル・ネットワーク(DNN)を提案する。
提案フレームワークは,空間符号化(SE)ロスを導入することで,目標の連続的な空間情報を組み込む。
LAセグメンテーションでは、3D基本U-Netと比較して平均ハウスドルフ距離を36.4mmから20.0mmに減らした。
論文 参考訳（メタデータ） (2020-06-23T13:55:29Z) - 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) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z) - Simultaneous Left Atrium Anatomy and Scar Segmentations via Deep
Learning in Multiview Information with Attention [14.252180320919551]
心房細動(AF)患者における左心房粗動の3次元遅発性心MR(LGE)強調法(CMR)は,近年,患者を成層化するための有望な手法として注目されている。
これは、高強度の傷痕組織の分節と左房解剖(LA)の分節を必要とする。
マルチビュー2タスク(MVTT)に基づく共同セグメンテーション手法を提案する。
3D LGE CMR画像を直接作業することで、LAを分割し、傷跡をデライン化することができる。
論文 参考訳（メタデータ） (2020-02-02T18:03:44Z)
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。