論文の概要: Joint Motion Correction and Super Resolution for Cardiac Segmentation
via Latent Optimisation
- arxiv url: http://arxiv.org/abs/2107.03887v1
- Date: Thu, 8 Jul 2021 15:14:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 13:25:49.808419
- Title: Joint Motion Correction and Super Resolution for Cardiac Segmentation
via Latent Optimisation
- Title（参考訳）: 潜在的最適化による心臓分節の関節運動補正と超分解能
- Authors: Shuo Wang, Chen Qin, Nicolo Savioli, Chen Chen, Declan O'Regan, Stuart
Cook, Yike Guo, Daniel Rueckert and Wenjia Bai
- Abstract要約: 心臓画像分割のための動作補正と超解像を共同で行う新しい潜在最適化フレームワークを提案する。
2つの心MRデータセットの実験により、提案手法は最先端の超解像法に匹敵する高い性能を達成することが示された。
- 参考スコア（独自算出の注目度）: 18.887520377396925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In cardiac magnetic resonance (CMR) imaging, a 3D high-resolution
segmentation of the heart is essential for detailed description of its
anatomical structures. However, due to the limit of acquisition duration and
respiratory/cardiac motion, stacks of multi-slice 2D images are acquired in
clinical routine. The segmentation of these images provides a low-resolution
representation of cardiac anatomy, which may contain artefacts caused by
motion. Here we propose a novel latent optimisation framework that jointly
performs motion correction and super resolution for cardiac image
segmentations. Given a low-resolution segmentation as input, the framework
accounts for inter-slice motion in cardiac MR imaging and super-resolves the
input into a high-resolution segmentation consistent with input. A multi-view
loss is incorporated to leverage information from both short-axis view and
long-axis view of cardiac imaging. To solve the inverse problem, iterative
optimisation is performed in a latent space, which ensures the anatomical
plausibility. This alleviates the need of paired low-resolution and
high-resolution images for supervised learning. Experiments on two cardiac MR
datasets show that the proposed framework achieves high performance, comparable
to state-of-the-art super-resolution approaches and with better cross-domain
generalisability and anatomical plausibility.
- Abstract（参考訳）: 心臓磁気共鳴(CMR)画像では、心臓の3次元高分解能セグメンテーションが解剖学的構造を詳細に記述するために不可欠である。
しかし, 取得期間と呼吸・心臓運動の限界により, 臨床経過中に多層スライス2D画像が取得される。
これらの画像のセグメンテーションは、運動によって引き起こされるアーティファクトを含む心臓解剖の低解像度表現を提供する。
本稿では,心像分割のための運動補正と超解像を共同で行う新しい潜在最適化フレームワークを提案する。
入力として低分解能セグメンテーションが与えられると、このフレームワークは心MR画像におけるスライス間運動を考慮し、入力と整合した高分解能セグメンテーションに入力を超解する。
心臓画像の短軸視と長軸視の両方からの情報を活用するために多視点損失が組み込まれている。
逆問題を解くために、潜在空間において反復最適化を行い、解剖学的可能性を確保する。
これにより、教師あり学習のための低解像度画像と高解像度画像のペアの必要性が軽減される。
2つの心臓MRデータセットの実験により、提案フレームワークは最先端の超解像アプローチに匹敵する高い性能を実現し、クロスドメインの汎用性と解剖学的妥当性が向上した。
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) - Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。
半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文 参考訳（メタデータ） (2023-12-26T12:56:31Z) - A Multi-Scale Spatial Transformer U-Net for Simultaneously Automatic
Reorientation and Segmentation of 3D Nuclear Cardiac Images [6.347837887930855]
小型のLV心筋(LV-MY)領域の検出と各患者の心構造の変化は,LVセグメンテーションに対する課題を提起する。
マルチスケール空間変換器ネットワーク(MSSTN)とマルチスケールUNet(MSUNet)モジュールを含むマルチスケール空間変換器UNet(MS-ST-UNet)と呼ばれるエンドツーエンドモデルを提案する。
提案法は,13N-アンモニアPETと99mTc-sestamibi SPECTの2つの異なる核心画像モダリティを用いて,訓練および試験を行った。
論文 参考訳（メタデータ） (2023-10-16T05:56:53Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction
via A Structure-Specific Generative Method [12.26150675728958]
本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。
本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。
特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
論文 参考訳（メタデータ） (2022-06-14T20:46:11Z) - Multimodal Multi-Head Convolutional Attention with Various Kernel Sizes
for Medical Image Super-Resolution [56.622832383316215]
超解像CTおよびMRIスキャンのための新しいマルチヘッド畳み込みアテンションモジュールを提案する。
我々の注目モジュールは、畳み込み操作を用いて、複数の入力テンソルに対して共同的な空間チャネルアテンションを行う。
それぞれの頭部は空間的注意に対する特定の減少率に応じた受容野の大きさの異なる複数の注意ヘッドを導入している。
論文 参考訳（メタデータ） (2022-04-08T07:56:55Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - High Quality Segmentation for Ultra High-resolution Images [72.97958314291648]
超高分解能セグメンテーション精錬作業のための連続精細モデルを提案する。
提案手法は画像分割精細化において高速かつ効果的である。
論文 参考訳（メタデータ） (2021-11-29T11:53:06Z) - Synthetic Velocity Mapping Cardiac MRI Coupled with Automated Left
Ventricle Segmentation [1.8268300764373178]
本稿では,3次元MVMデータの時間分解能を高めるためのフレーム合成アルゴリズムを提案する。
我々のアルゴリズムは、時間分解能3Dir MVMを増大させるだけでなく、同時に心筋セグメンテーション結果を生成することもできる。
論文 参考訳（メタデータ） (2021-10-04T10:20:27Z) - Joint Semi-supervised 3D Super-Resolution and Segmentation with Mixed
Adversarial Gaussian Domain Adaptation [13.477290490742224]
医用画像の高解像度化は、画像の解像度を向上させることを目的としているが、従来は低解像度データセットの特徴に基づいて訓練されている。
本稿では,画像とそのラベルの同時超解像を行う半教師付きマルチタスク生成対向ネットワーク(Gemini-GAN)を提案する。
提案手法は, 成人1,331人, 成人205人のトランスナショナル多民族集団に対して広く評価された。
論文 参考訳（メタデータ） (2021-07-16T15:42:39Z) - Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。
これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。
形状と境界認識機能を利用する新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-05-27T13:54:59Z)
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。