論文の概要: Automated Olfactory Bulb Segmentation on High Resolutional T2-Weighted MRI

• arxiv url: http://arxiv.org/abs/2108.04267v1
• Date: Mon, 9 Aug 2021 18:03:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-12 02:20:49.042236
• Title: Automated Olfactory Bulb Segmentation on High Resolutional T2-Weighted MRI
• Title（参考訳）: 高分解能T2強調MRIにおける嗅球分画の自動計測
• Authors: Santiago Estrada, Ran Lu, Kersten Diers, Weiyi Zeng, Philipp Ehses, Tony St\"ocker, Monique M.B Breteler and Martin Reuter
• Abstract要約: 神経画像解析のコミュニティは、嗅覚機能において重要な役割を担っているにもかかわらず、嗅覚球(OB)の自動化セグメンテーションを無視している。 サブミリT2ミリ(T2w)全脳MR画像上にOB組織を正確に分割するための,新しい,高速かつ完全自動深層学習パイプラインを導入する。 Rhineland Studyの203名の参加者を対象に, OBパイプラインは, 境界線, OB局在, 体積推定の点で高い性能を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The neuroimage analysis community has neglected the automated segmentation of the olfactory bulb (OB) despite its crucial role in olfactory function. The lack of an automatic processing method for the OB can be explained by its challenging properties. Nonetheless, recent advances in MRI acquisition techniques and resolution have allowed raters to generate more reliable manual annotations. Furthermore, the high accuracy of deep learning methods for solving semantic segmentation problems provides us with an option to reliably assess even small structures. In this work, we introduce a novel, fast, and fully automated deep learning pipeline to accurately segment OB tissue on sub-millimeter T2-weighted (T2w) whole-brain MR images. To this end, we designed a three-stage pipeline: (1) Localization of a region containing both OBs using FastSurferCNN, (2) Segmentation of OB tissue within the localized region through four independent AttFastSurferCNN - a novel deep learning architecture with a self-attention mechanism to improve modeling of contextual information, and (3) Ensemble of the predicted label maps. The OB pipeline exhibits high performance in terms of boundary delineation, OB localization, and volume estimation across a wide range of ages in 203 participants of the Rhineland Study. Moreover, it also generalizes to scans of an independent dataset never encountered during training, the Human Connectome Project (HCP), with different acquisition parameters and demographics, evaluated in 30 cases at the native 0.7mm HCP resolution, and the default 0.8mm pipeline resolution. We extensively validated our pipeline not only with respect to segmentation accuracy but also to known OB volume effects, where it can sensitively replicate age effects.
• Abstract（参考訳）: 神経画像解析コミュニティは嗅覚機能において重要な役割を担っているにもかかわらず、嗅球の自動分割(ob)を無視している。 OBの自動処理方法の欠如は、その困難な性質によって説明できる。 しかし、近年のMRI取得技術と解像度の進歩により、ラッカーはより信頼性の高い手動アノテーションを生成できるようになった。 さらに,セマンティックセグメンテーション問題を解決するための深層学習手法の高精度化により,小さな構造でも確実に評価できる選択肢が得られた。 本研究では,サブミリT2重み付き(T2w)全脳MR画像上にOB組織を正確に分割する,新しい,高速かつ完全自動ディープラーニングパイプラインを提案する。 そこで我々は,(1)FastSurferCNNを用いた両方のOBを含む領域の局所化,(2)独立した4つのAttFastSurferCNNによる局所領域内のOB組織の分別化,(3)予測ラベルマップの組み立て,という3段階のパイプラインを設計した。 obパイプラインはラインランド研究の参加者203名において, 境界線画, ob局在, 容積推定の点で, 幅広い年齢にわたって高い性能を示す。 さらに、トレーニング中に遭遇しなかった独立したデータセットのスキャン、異なる取得パラメータと人口統計を持つヒューマンコネクトームプロジェクト(HCP)、ネイティブの0.7mm HCP解像度で30ケースで評価され、デフォルトの0.8mmパイプライン解像度がある。 セグメンテーションの精度だけでなく、OBボリューム効果についてもパイプラインを広範囲に検証し、年齢効果を敏感に再現できることを示した。

関連論文リスト

• Improved Robustness for Deep Learning-based Segmentation of Multi-Center Myocardial Perfusion MRI Datasets Using Data Adaptive Uncertainty-guided Space-time Analysis [0.24285581051793656]
  灌流データセットの完全な自動解析により、患者のストレス/レスト研究の迅速かつ客観的な報告が可能になる。 トレーニングデータやソフトウェアやハードウェアのバリエーションが限られているにもかかわらず、マルチセンタデータセットを分析できるディープラーニング技術は、現在進行中の課題である。 提案したDAUGS分析手法は,多心応力灌流データセットのセグメンテーションのためのディープラーニング手法の堅牢性を向上させる可能性を秘めている。
  論文  参考訳（メタデータ） (2024-08-09T01:21:41Z)
• Perspective+ Unet: Enhancing Segmentation with Bi-Path Fusion and Efficient Non-Local Attention for Superior Receptive Fields [19.71033340093199]
  本稿では,医療画像のセグメンテーションの限界を克服する新しいアーキテクチャであるspective+Unetを提案する。 このフレームワークは ENLTB という名前の効率的な非局所トランスフォーマーブロックを組み込んでおり、これはカーネル関数近似を利用して、効率的な長距離依存性キャプチャを行う。 ACDCとデータセットに関する実験結果から,提案したパースペクティブ+Unetの有効性が示された。
  論文  参考訳（メタデータ） (2024-06-20T07:17:39Z)
• Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
  3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。 近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。 本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-05T00:46:53Z)
• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• FastSurfer-HypVINN: Automated sub-segmentation of the hypothalamus and adjacent structures on high-resolutional brain MRI [3.869627124798774]
  視床下部のサブセグメンテーションのためのHypVINNという,新しい,高速で,完全自動化されたディープラーニング手法を提案する。 我々は,視床下部の容積効果を再現するためのセグメンテーション精度,一般化可能性,セッション内テストの信頼性,感度に関して,我々のモデルを広範囲に検証した。
  論文  参考訳（メタデータ） (2023-08-24T12:26:38Z)
• A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography [0.3387808070669509]
  開発したアプローチは、MVアンラスとリーフレットのマルチクラスセグメンテーションのためのU-Netアーキテクチャを備えた3次元マルチデコーダ残差畳み込みニューラルネットワーク(CNN)に依存している。 プロセス全体は最小限のユーザインタラクションを必要とし、約15秒を要する。
  論文  参考訳（メタデータ） (2023-02-21T12:48:44Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Hepatic vessel segmentation based on 3Dswin-transformer with inductive biased multi-head self-attention [46.46365941681487]
  Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。 正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。 一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
  論文  参考訳（メタデータ） (2021-11-05T10:17:08Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• 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)

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。