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

• Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
  心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。 これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。 パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T12:55:54Z)
• 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)
• 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)
• 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)
• 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。