論文の概要: Training Automatic View Planner for Cardiac MR Imaging via
Self-Supervision by Spatial Relationship between Views
- arxiv url: http://arxiv.org/abs/2109.11715v1
- Date: Fri, 24 Sep 2021 02:25:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-27 14:05:32.643497
- Title: Training Automatic View Planner for Cardiac MR Imaging via
Self-Supervision by Spatial Relationship between Views
- Title（参考訳）: 自己スーパービジョンによる心MR画像自動表示装置の空間的関係の訓練
- Authors: Dong Wei, Kai Ma, and Yefeng Zheng
- Abstract要約: 本研究は, 自動心磁気共鳴画像診断のためのクリニック互換でアノテーションのないシステムを提案する。
このシステムは、ソースビューとターゲットビューの間の空間的関係(具体的には、交差する線の位置と利用)をマイニングし、これらの交差する線で定義されたヒートマップを回帰するように、ディープネットワークを訓練する。
ターゲットビューのすべてのソースビューに対して予測されたヒートマップから情報を集約し、グローバルに最適な処方則を求めるマルチビュー計画戦略を提案する。
- 参考スコア（独自算出の注目度）: 28.27778627797572
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: View planning for the acquisition of cardiac magnetic resonance imaging (CMR)
requires acquaintance with the cardiac anatomy and remains a challenging task
in clinical practice. Existing approaches to its automation relied either on an
additional volumetric image not typically acquired in clinic routine, or on
laborious manual annotations of cardiac structural landmarks. This work
presents a clinic-compatible and annotation-free system for automatic CMR view
planning. The system mines the spatial relationship -- more specifically,
locates and exploits the intersecting lines -- between the source and target
views, and trains deep networks to regress heatmaps defined by these
intersecting lines. As the spatial relationship is self-contained in properly
stored data, e.g., in the DICOM format, the need for manual annotation is
eliminated. Then, a multi-view planning strategy is proposed to aggregate
information from the predicted heatmaps for all the source views of a target
view, for a globally optimal prescription. The multi-view aggregation mimics
the similar strategy practiced by skilled human prescribers. Experimental
results on 181 clinical CMR exams show that our system achieves superior
accuracy to existing approaches including conventional atlas-based and newer
deep learning based ones, in prescribing four standard CMR views. The mean
angle difference and point-to-plane distance evaluated against the ground truth
planes are 5.98 degrees and 3.48 mm, respectively.
- Abstract（参考訳）: 心磁気共鳴画像(CMR)の取得のための展望プランニングには、心臓解剖学の知識が必要であり、臨床実践において難しい課題である。
既存の自動化へのアプローチは、通常クリニックルーチンで取得されない追加のボリュームイメージや、心臓の構造的ランドマークの厳格な手動アノテーションに頼っていた。
本研究は,cmrビュー自動計画のためのクリニック互換・アノテーションフリーシステムを提案する。
このシステムは、ソースビューとターゲットビューの間の空間的関係(具体的には、交差する線の位置と利用)をマイニングし、これらの交差する線で定義されたヒートマップを回帰するためにディープネットワークを訓練する。
空間関係は、DICOMフォーマットなど、適切に格納されたデータに自己完結しているため、手動アノテーションの必要性は排除される。
次に,ターゲットビューのすべてのソースビューに対して,予測されたヒートマップから情報を集約し,グローバルな最適基準を求めるマルチビュー計画戦略を提案する。
マルチビューアグリゲーションは、熟練者による同様の戦略を模倣している。
181例の臨床CMR検査の結果,従来のアトラス法や新しい深層学習法を含む既存のアプローチと比較して,4つの標準CMRビューを規定する上で優れた精度が得られた。
地上の真理面に対する平均角度差と点間距離はそれぞれ5.98度と3.48mmである。
関連論文リスト
- Towards a vision foundation model for comprehensive assessment of Cardiac MRI [11.838157772803282]
心臓磁気共鳴画像(CMR)評価のための視覚基礎モデルを提案する。
CMRワークフローに典型的な9つの臨床的タスクについて、教師付き方法でモデルを微調整する。
すべてのタスクにおいて、ラベル付きデータセットサイズの範囲で、精度と堅牢性が改善されたことを実証する。
論文 参考訳（メタデータ） (2024-10-02T15:32:01Z) - Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images [13.686473040836113]
本研究では,心臓スタック全体にわたる空間的パッチと時間的パッチの相関関係を自動的に解明する,完全自己教師型学習フレームワークを提案する。
我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
論文 参考訳（メタデータ） (2024-06-01T07:08:45Z) - Unlocking the Power of Spatial and Temporal Information in Medical Multimodal Pre-training [99.2891802841936]
我々は,空間的・時間的微粒なモデリングのためのMed-STフレームワークを提案する。
空間モデリングでは、Med-STはMixture of View Expert (MoVE)アーキテクチャを使用して、正面と横の両方のビューから異なる視覚的特徴を統合する。
時間的モデリングのために,フォワードマッピング分類 (FMC) とリバースマッピング回帰 (RMR) による新たな双方向サイクル整合性目標を提案する。
論文 参考訳（メタデータ） (2024-05-30T03:15:09Z) - Automatic view plane prescription for cardiac magnetic resonance imaging
via supervision by spatial relationship between views [30.59897595586657]
本研究は、自動心臓磁気共鳴(CMR)ビュープランニングのための、臨床互換でアノテーションのないシステムを提案する。
システムは、特に、対象の平面とソースビューの間の交差する線の位置を空間的関係にマイニングする。
ソースビューで予測される複数のターゲット面の相互作用は、積み重ねられた時間ガラスアーキテクチャで利用され、徐々にレグレッションが向上する。
論文 参考訳（メタデータ） (2023-09-22T11:36:42Z) - Unlocking the Heart Using Adaptive Locked Agnostic Networks [4.613517417540153]
医用画像アプリケーションのためのディープラーニングモデルの教師付きトレーニングには、かなりの量のラベル付きデータが必要である。
この制限に対処するため、Adaptive Locked Agnostic Network (ALAN)を導入する。
ALANは、大きなバックボーンモデルを用いて、堅牢なセマンティック・セグメンテーションを生成する自己教師付き視覚特徴抽出を含む。
自監督型背骨モデルでは, 心臓の解剖学的部分領域を円錐四面体視で強く同定することがわかった。
論文 参考訳（メタデータ） (2023-09-21T09:06:36Z) - Light-weight spatio-temporal graphs for segmentation and ejection
fraction prediction in cardiac ultrasound [5.597394612661975]
本研究では,左心室分画予測と左心室分画のためのEchoGraphsという自動手法を提案する。
キーポイントの検出には、GCN(Graph Conal Networks)に基づく直接座標回帰モデルを用いる。
セマンティックセグメンテーションと比較すると、GCNは正確なセグメンテーションと堅牢性と推論ランタイムの改善を示している。
論文 参考訳（メタデータ） (2022-07-06T10:03:44Z) - 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) - 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) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-18T09:49:11Z)
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。