論文の概要: A New Semi-Automated Algorithm for Volumetric Segmentation of the Left
Ventricle in Temporal 3D Echocardiography Sequences
- arxiv url: http://arxiv.org/abs/2109.01132v1
- Date: Thu, 2 Sep 2021 17:55:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-03 15:15:04.408265
- Title: A New Semi-Automated Algorithm for Volumetric Segmentation of the Left
Ventricle in Temporal 3D Echocardiography Sequences
- Title(参考訳): 経時的3次元心エコー図法における左室容積分割のための新しい半自動アルゴリズム
- Authors: Deepa Krishnaswamy (1 and 2), Abhilash R. Hareendranathan (1 and 2),
Tan Suwatanaviroj (4), Pierre Boulanger (1 and 2 and 3), Harald Becher (4),
Michelle Noga (1 and 2), Kumaradevan Punithakumar (1 and 2 and 3) ((1)
Department of Radiology and Diagnostic Imaging, University of Alberta,
Edmonton, AB, Canada, (2) Servier Virtual Cardiac Centre, Mazankowski Alberta
Heart Institute, Edmonton, AB, Canada, (3) Department of Computing Science,
University of Alberta, Edmonton, AB, Canada, (4) ABACUS, Mazankowski Alberta
Heart Institute, Edmonton, AB, Canada)
- Abstract要約: 左室の起伏は、スペックルノイズの存在と信号対雑音比の低さにより困難である。
本稿では,左心室の経時的3次元心エコー法における半自動セグメンテーションアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: Echocardiography is commonly used as a non-invasive imaging tool in
clinical practice for the assessment of cardiac function. However, delineation
of the left ventricle is challenging due to the inherent properties of
ultrasound imaging, such as the presence of speckle noise and the low
signal-to-noise ratio. Methods: We propose a semi-automated segmentation
algorithm for the delineation of the left ventricle in temporal 3D
echocardiography sequences. The method requires minimal user interaction and
relies on a diffeomorphic registration approach. Advantages of the method
include no dependence on prior geometrical information, training data, or
registration from an atlas. Results: The method was evaluated using
three-dimensional ultrasound scan sequences from 18 patients from the
Mazankowski Alberta Heart Institute, Edmonton, Canada, and compared to manual
delineations provided by an expert cardiologist and four other registration
algorithms. The segmentation approach yielded the following results over the
cardiac cycle: a mean absolute difference of 1.01 (0.21) mm, a Hausdorff
distance of 4.41 (1.43) mm, and a Dice overlap score of 0.93 (0.02).
Conclusions: The method performed well compared to the four other registration
algorithms.
- Abstract(参考訳): 目的: 心エコー検査は心機能評価のための非侵襲的イメージングツールとして一般的に用いられる。
しかし,左室のデライン化はスペックルノイズの存在や低信号対雑音比などの超音波画像の特徴から困難である。
方法: 経時的3次元心エコー法による左心室の描出のための半自動セグメンテーションアルゴリズムを提案する。
この方法は、ユーザインタラクションを最小にし、二相性登録アプローチに依存する。
この手法の利点は、事前の幾何学的情報、トレーニングデータ、アトラスからの登録に依存しない。
結果: カナダのエドモントンにあるマザンコフスキー・アルバータ・ハート研究所(Mazankowski Alberta Heart Institute)の18例の3次元超音波スキャンを用いて, 専門医と4例の登録アルゴリズムによる手動記述と比較した。
セグメンテーション法では, 平均絶対差1.01mm(0.21)mm, ハウスドルフ距離4.41mm(1.43)mm, Diceオーバーラップスコア0.93(0.02)が心循環で得られた。
結論: この手法は他の4つの登録アルゴリズムと比較して良好に動作した。
関連論文リスト
- AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳(メタデータ) (2023-09-25T19:34:12Z) - Estimation of mitral valve hinge point coordinates -- deep neural net
for echocardiogram segmentation [0.0]
僧帽弁ヒンジ点の完全自動検出法を提案する。
この方法は、得られたセグメンテーションから第2ステップで僧帽弁ヒンジポイントを抽出する。
この自動検出法を用いて測定した結果を基準座標値と比較した。
論文 参考訳(メタデータ) (2023-01-20T19:46:16Z) - Label-free segmentation from cardiac ultrasound using self-supervised
learning [0.6906005491572401]
コンピュータビジョン,臨床領域知識,深層学習を用いた自己教師型(手動ラベルなし)セグメンテーションのためのパイプラインを構築した。
8,393枚の心エコー画像(4,476,266枚,平均61年,女性51%)を用いて,450枚の心エコー画像(93,000枚)をトレーニングし,生体計測値の算出を行った。
本研究は,超音波からのセグメンテーションのための手動ラベルフリー,臨床的に有効な,高度にスケーラブルな方法であることを示す。
論文 参考訳(メタデータ) (2022-10-10T19:27:37Z) - Automatic Segmentation of Left Ventricle in Cardiac Magnetic Resonance
Images [0.9576327614980393]
心臓科医は、心機能を決定するために、しばしば放出分数を用いる。
MR画像における左室の自動区分けのためのマルチスケールテンプレートマッチング手法と楕円形アクティブディスクを提案する。
論文 参考訳(メタデータ) (2022-01-30T13:05:35Z) - 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) - Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle
Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。
まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。
提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文 参考訳(メタデータ) (2020-12-24T17:48:35Z) - Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。
第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。
第2段階は、心拍を幅または幅に分類する分類NNである。
第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
論文 参考訳(メタデータ) (2020-11-17T16:15:49Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳(メタデータ) (2020-10-06T13:55:02Z) - 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) - Automatic Right Ventricle Segmentation using Multi-Label Fusion in
Cardiac MRI [4.655680114261973]
心臓磁気共鳴画像(MRI)におけるRVの完全自動分割法を提案する。
本手法は,マルチアトラス伝搬セグメンテーションフレームワークと組み合わせた粗大なセグメンテーション戦略を用いる。
本手法は, 相互相関測定値に基づいて, 伝播の各繰り返しにおけるセグメンテーションの洗練を実現するために, 伝搬のための最適なアトラスを選択する。
論文 参考訳(メタデータ) (2020-04-05T21:06:15Z)
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。