論文の概要: Multi-center, multi-vendor automated segmentation of left ventricular
anatomy in contrast-enhanced MRI
- arxiv url: http://arxiv.org/abs/2110.07360v1
- Date: Thu, 14 Oct 2021 13:44:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 21:48:57.342340
- Title: Multi-center, multi-vendor automated segmentation of left ventricular
anatomy in contrast-enhanced MRI
- Title（参考訳）: 造影mriにおける左室解剖のマルチセンター・マルチベンダ自動分節化
- Authors: Carla Sendra-Balcells, V\'ictor M. Campello, Carlos Mart\'in-Isla,
David Vilades Medel, Mart\'in Lu\'is Descalzo, Andrea Guala, Jos\'e F.
Rodr\'iguez Palomares, Karim Lekadir
- Abstract要約: 本研究では,LGE-MRIにおけるマルチセンターとマルチベンダのLVセグメンテーションを初めて検討する。
トレーニングサンプルのイメージ変動を人工的に増強するデータ拡張、センター間でのLGE-MRI画像の分布調整のための画像調和、既存の単一中心モデルを調整するための移行学習、新しい臨床現場からの未確認画像への変換。
- 参考スコア（独自算出の注目度）: 0.7276738839986918
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate delineation of the left ventricular boundaries in late
gadolinium-enhanced magnetic resonance imaging (LGE-MRI) is an essential step
for scar tissue quantification and patient-specific assessment of myocardial
infarction. Many deep-learning techniques have been proposed to perform
automatic segmentations of the left ventricle (LV) in LGE-MRI showing
segmentations as accurate as those obtained by expert cardiologists. Thus far,
the existing models have been overwhelmingly developed and evaluated with
LGE-MRI datasets from single clinical centers. However, in practice, LGE-MRI
images vary significantly between clinical centers within and across countries,
in particular due to differences in the MRI scanners, imaging conditions,
contrast injection protocols and local clinical practise. This work
investigates for the first time multi-center and multi-vendor LV segmentation
in LGE-MRI, by proposing, implementing and evaluating in detail several
strategies to enhance model generalizability across clinical cites. These
include data augmentation to artificially augment the image variability in the
training sample, image harmonization to align the distributions of LGE-MRI
images across centers, and transfer learning to adjust existing single-center
models to unseen images from new clinical sites. The results obtained based on
a new multi-center LGE-MRI dataset acquired in four clinical centers in Spain,
France and China, show that the combination of data augmentation and transfer
learning can lead to single-center models that generalize well to new clinical
centers not included in the original training. The proposed framework shows the
potential for developing clinical tools for automated LV segmentation in
LGE-MRI that can be deployed in multiple clinical centers across distinct
geographical locations.
- Abstract（参考訳）: 晩期gadolinium-enhanced magnetic resonance imaging (lge-mri) における左室壁の正確なデライン化は,スカー組織定量化および心筋梗塞の患者特異的評価に必須のステップである。
LGE-MRIで左室の自動分画を行うための多くの深層学習技術が提案されている。
これまでのところ、既存のモデルは単一の臨床センターのLGE-MRIデータセットで圧倒的に開発され、評価されている。
しかし、実際には、LGE-MRI画像は、MRIスキャナー、撮像条件、コントラスト注入プロトコル、局所的な臨床実践の違いにより、各国の臨床センターで大きく異なる。
本研究は, LGE-MRIにおけるマルチセンターとマルチベンダのLVセグメンテーションを, 臨床指標間のモデル一般化性を高めるためのいくつかの戦略を提案し, 実装し, 詳細に評価することによって, 初めて検討した。
これには、トレーニングサンプルのイメージ変動を人工的に増強するデータ強化、センター間でのLGE-MRI画像の分布を整列するイメージ調和、既存の単一中心モデルを調整するための移行学習、新しい臨床現場からの未確認イメージなどが含まれる。
その結果、スペイン、フランス、中国の4つの臨床センターで取得された新しいマルチセンターLGE-MRIデータセットに基づいて、データ拡張と転写学習の組み合わせは、元のトレーニングに含まれない新しい臨床センターにうまく一般化するシングルセンターモデルにつながることが示された。
提案フレームワークは, 異なる地理的位置の複数の臨床センターに展開可能な, LGE-MRIにおける自動LVセグメンテーションのための臨床ツールの開発の可能性を示す。
関連論文リスト
- NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Multi-Modality Cardiac Image Analysis with Deep Learning [16.814634972950717]
晩期ガドリニウム造影MRI(LGE MRI)は,心筋梗塞(MI)および心房粗動の可視化と定量化に有望な手法である。
本章は,深層学習に基づく多モード心画像解析における現状と最近の進歩を要約することを目的としている。
論文 参考訳（メタデータ） (2021-11-08T12:54:11Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - AtrialGeneral: Domain Generalization for Left Atrial Segmentation of
Multi-Center LGE MRIs [18.22326892162902]
左心房細動 (LA) は, 心房細動の治療計画において重要なステップである。
深層学習に基づく手法は、有望なLAセグメンテーション結果を提供することができるが、しばしば目に見えない領域に一般化する。
マルチセンターLGE MRIのLAセグメント化には4つの一般的なセマンティックセマンティックセマンティクスネットワークを用いる。
論文 参考訳（メタデータ） (2021-06-16T11:58:11Z) - Anatomically-Informed Deep Learning on Contrast-Enhanced Cardiac MRI for
Scar Segmentation and Clinical Feature Extraction [6.386874708851962]
コントラスト・エンハンスメント(LGE)を用いた心臓磁気共鳴画像(CMR)による心臓の傷跡と線維化の可視化は、疾患の進行と不整脈の病態生理学的基質の定量化において最重要である。
本稿では,左室(LV)と難治/線維化分節の完全自動深層学習ソリューションと,LGE-CMRによる臨床像抽出について述べる。
この技術は、3つのカスケード畳み込みニューラルネットワークによって、生のLGE-CMR画像から心筋と線維化を分離し、解剖学的ガイドラインの中でこれらのセグメンテーションを拘束する。
論文 参考訳（メタデータ） (2020-10-21T15:43:08Z) - Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark
Study from Multi-Sequence Cardiac MR Segmentation Challenge [43.01944884184009]
本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。
新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。
これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
論文 参考訳（メタデータ） (2020-06-22T17:04:38Z) - 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) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z) - 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。