論文の概要: Automatic Identification of the End-Diastolic and End-Systolic Cardiac
Frames from Invasive Coronary Angiography Videos
- arxiv url: http://arxiv.org/abs/2110.02844v1
- Date: Wed, 6 Oct 2021 15:16:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 21:12:29.734193
- Title: Automatic Identification of the End-Diastolic and End-Systolic Cardiac
Frames from Invasive Coronary Angiography Videos
- Title（参考訳）: 冠状動脈造影ビデオによるエンド・ダイアストリックおよびエンド・シストリック心筋フレームの自動同定
- Authors: Yinghui Meng, Minghao Dong, Xumin Dai, Haipeng Tang, Chen Zhao,
Jingfeng Jiang, Shun Xu, Ying Zhou, Fubao Zhu1, Zhihui Xu, Weihua Zhou
- Abstract要約: 侵襲的冠動脈造影検査において, エンド拡張期(ED)とエンド収縮期(ES)の適切な画像フレームの同定が重要である。
現在の識別法は主に視覚的解釈に依存しており、時間だけでなく再現性も低い。
そこで本研究では,鍵血管点の軌跡を用いて,EDとESの心期に関連する血管画像フレームを自動的に同定する手法を提案する。
- 参考スコア（独自算出の注目度）: 6.203906656404265
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Automatic identification of proper image frames at the end-diastolic (ED) and
end-systolic (ES) frames during the review of invasive coronary angiograms
(ICA) is important to assess blood flow during a cardiac cycle, reconstruct the
3D arterial anatomy from bi-planar views, and generate the complementary fusion
map with myocardial images. The current identification method primarily relies
on visual interpretation, making it not only time-consuming but also less
reproducible. In this paper, we propose a new method to automatically identify
angiographic image frames associated with the ED and ES cardiac phases by using
the trajectories of key vessel points (i.e. landmarks). More specifically, a
detection algorithm is first used to detect the key points of coronary
arteries, and then an optical flow method is employed to track the trajectories
of the selected key points. The ED and ES frames are identified based on all
these trajectories. Our method was tested with 62 ICA videos from two separate
medical centers (22 and 9 patients in sites 1 and 2, respectively). Comparing
consensus interpretations by two human expert readers, excellent agreement was
achieved by the proposed algorithm: the agreement rates within a one-frame
range were 92.99% and 92.73% for the automatic identification of the ED and ES
image frames, respectively. In conclusion, the proposed automated method showed
great potential for being an integral part of automated ICA image analysis.
- Abstract（参考訳）: 侵襲的冠動脈造影(ICA)検査において, 心循環中の血流の評価, 両平面像からの3次元動脈解剖の再構築, 心筋画像との相補的融合マップの作成において, 心血管図(ICA)の検査における適切な画像フレームの自動同定が重要である。
現在の識別法は主に視覚的解釈に依存しており、時間だけでなく再現性も低い。
本稿では,鍵血管点(ランドマーク)の軌跡を用いて,EDとESの心期に関連する血管画像フレームを自動的に識別する手法を提案する。
より具体的には、まず冠状動脈のキーポイントを検出するために検出アルゴリズムを使用し、次に選択したキーポイントの軌跡を追跡するために光学フロー法を用いる。
edおよびesフレームは、これら全ての軌道に基づいて識別される。
2つの医療センター(サイト1とサイト2の患者22名と9名)から62本のicaビデオを用いて実験を行った。
2人の専門家によるコンセンサス解釈を比較すると、提案したアルゴリズムでは、EDとESの画像フレームの自動識別において、1フレームあたりの合意率は92.99%と92.73%であった。
以上より,提案手法は自動ica画像解析の不可欠な部分となる可能性が示唆された。
関連論文リスト
- Crop and Couple: cardiac image segmentation using interlinked specialist
networks [0.5452923068355806]
本稿では,単一解剖学に焦点を当てた専門的ネットワークを用いてセグメンテーションを行う新しい戦略を提案する。
入力長軸心MR画像から、第1段階で第3次分割を行い、これらの解剖学的領域を同定する。
専門家ネットワークは、異なる解剖学の特徴を相互に関連付けるための注意機構を介して結合される。
論文 参考訳（メタデータ） (2024-02-14T13:14:04Z) - A Unified Approach for Comprehensive Analysis of Various Spectral and
Tissue Doppler Echocardiography [3.7775754350457746]
本稿では、コンボリューションニューラルネットワークを用いた新しい統合フレームワークを導入し、スペクトルおよび組織ドプラ心エコー画像の包括的解析を行った。
ネットワークは、新しいドップラー形状の埋め込みとアンチエイリアスモジュールによって、様々なドップラービューにまたがる重要な特徴を自動的に認識する。
実験結果から, ダイス類似度係数 (DSC) や結合上の交叉 (IoU) など, 性能指標における一貫したアウトパフォーマンスを示す。
論文 参考訳（メタデータ） (2023-11-14T15:10:05Z) - Cardiac Adipose Tissue Segmentation via Image-Level Annotations [8.705311618392368]
我々は,ヒト心基質のCT画像に画像レベルのアノテーションを用いた心脂肪組織分画のための2段階の深層学習フレームワークを開発した。
本研究は, 自動組織解析の需要と高品質な画素アノテーションの欠如とのギャップを埋めるものである。
論文 参考訳（メタデータ） (2022-06-09T02:55:35Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳（メタデータ） (2022-04-26T14:20:26Z) - 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) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Automated Deep Learning Analysis of Angiography Video Sequences for
Coronary Artery Disease [4.233200689119682]
冠状動脈閉塞(狭窄)の評価は、現在、医師による冠動脈造影ビデオシーケンスの視覚的評価によって行われている。
深層学習に基づく自動解析パイプラインを報告し,冠動脈血管造影を迅速かつ客観的に評価する。
我々は、ResNetやU-Netといった強力なディープラーニングアプローチと、従来の画像処理と幾何解析を組み合わせた。
論文 参考訳（メタデータ） (2021-01-29T10:23:49Z) - 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) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - 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。