論文の概要: Volumetric Parameterization of the Placenta to a Flattened Template

• arxiv url: http://arxiv.org/abs/2111.07900v1
• Date: Mon, 15 Nov 2021 16:53:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-16 19:37:22.280216
• Title: Volumetric Parameterization of the Placenta to a Flattened Template
• Title（参考訳）: 平板型テンプレートへのプラセンタの体積パラメータ化
• Authors: S. Mazdak Abulnaga, Esra Abaci Turk, Mikhail Bessmeltsev, P. Ellen Grant, Justin Solomon, Polina Golland
• Abstract要約: 本研究では,プレースンタをフラットテンプレートにパラメータ化するためのボリュームメッシュに基づくアルゴリズムを提案する。 BOLD MRI画像から抽出した111個の胎盤形状について検討し,本手法の有効性を検証した。 本手法は,テンプレートの整合におけるサブボクセル精度を実現し,体積の歪みを低く抑える。
• 参考スコア（独自算出の注目度）: 21.03196195804363
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a volumetric mesh-based algorithm for parameterizing the placenta to a flattened template to enable effective visualization of local anatomy and function. MRI shows potential as a research tool as it provides signals directly related to placental function. However, due to the curved and highly variable in vivo shape of the placenta, interpreting and visualizing these images is difficult. We address interpretation challenges by mapping the placenta so that it resembles the familiar ex vivo shape. We formulate the parameterization as an optimization problem for mapping the placental shape represented by a volumetric mesh to a flattened template. We employ the symmetric Dirichlet energy to control local distortion throughout the volume. Local injectivity in the mapping is enforced by a constrained line search during the gradient descent optimization. We validate our method using a research study of 111 placental shapes extracted from BOLD MRI images. Our mapping achieves sub-voxel accuracy in matching the template while maintaining low distortion throughout the volume. We demonstrate how the resulting flattening of the placenta improves visualization of anatomy and function. Our code is freely available at https://github.com/mabulnaga/placenta-flattening .
• Abstract（参考訳）: 本稿では,局所解剖学と関数を効果的に可視化するために,プラセンタをフラットテンプレートにパラメータ化するボリュームメッシュベースのアルゴリズムを提案する。 MRIは胎盤機能に直接関連した信号を提供する研究ツールとしての可能性を示している。 しかし, 胎盤形状が湾曲し, 高度に変化するため, これらの画像の解釈と可視化は困難である。 胎盤を生体外形状とよく似た形状にマッピングすることで解釈課題に対処する。 パラメータ化を,容積メッシュで表される胎盤形状をフラットテンプレートにマッピングする最適化問題として定式化する。 我々は、体積全体の局所歪みを制御するために対称ディリクレエネルギーを用いる。 写像の局所射影率は勾配降下最適化中に制約線探索によって強制される。 BOLD MRI画像から抽出した111個の胎盤形状について検討し,本手法の有効性を検証した。 本手法は,テンプレートの整合におけるサブボクセル精度を実現し,体積の歪みを抑える。 胎盤の平坦化が解剖学と機能の可視化をいかに改善するかを示す。 私たちのコードはhttps://github.com/mabulnaga/placenta-flatteningで無料で利用できます。

関連論文リスト

• CP-UNet: Contour-based Probabilistic Model for Medical Ultrasound Images Segmentation [15.56723271531489]
  本稿では,輪郭型確率分割モデルCP-UNetを提案する。 セグメンテーションネットワークをガイドし、デコード中の輪郭に焦点を当てる。 本手法は乳腺病変と甲状腺病変のセグメンテーションに有効である。
  論文  参考訳（メタデータ） (2024-11-21T15:56:30Z)
• Attention-based Shape-Deformation Networks for Artifact-Free Geometry Reconstruction of Lumbar Spine from MR Images [1.4249943098958722]
  我々は, 腰椎の形状を高空間精度で再構成し, 患者間でのメッシュ通信を行う新しい注意型ディープニューラルネットワークであるtextitUNet-DeformSA$ と $textitTransDeformer$ を提示する。 実験の結果、我々のネットワークはアーティファクトフリーな幾何出力を生成しており、$textitTransDeformer$の変種は再構成された幾何の誤差を予測することができることがわかった。
  論文  参考訳（メタデータ） (2024-03-30T03:23:52Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• AbHE: All Attention-based Homography Estimation [0.0]
  本研究では,局所的な特徴を持つ畳み込みニューラルネットワークとグローバルな特徴を持つトランスフォーマーモジュールを組み合わせた,Swin Transformerに基づく強力なベースラインモデルを提案する。 ホモグラフィ回帰段階では、相関ボリュームのチャネルに注意層を導入し、いくつかの弱い相関特徴点を排除できる。 実験の結果,8自由度(DOF)ホモグラフィーでは,我々の手法が最先端の手法をオーバーパフォーマンスすることがわかった。
  論文  参考訳（メタデータ） (2022-12-06T15:00:00Z)
• The Manifold Hypothesis for Gradient-Based Explanations [55.01671263121624]
  勾配に基づく説明アルゴリズムは知覚的に整合した説明を提供する。 特徴属性がデータの接する空間と一致しているほど、知覚的に一致している傾向にあることを示す。 説明アルゴリズムは、その説明をデータ多様体と整合させるよう積極的に努力すべきである。
  論文  参考訳（メタデータ） (2022-06-15T08:49:24Z)
• Simulating Realistic MRI variations to Improve Deep Learning model and visual explanations using GradCAM [0.0]
  修正されたHighRes3DNetモデルを用いて、脳MRIボリュームランドマーク検出問題を解く。 Grad-CAMは、モデルがフォーカスしている領域を示す粗いローカライゼーションマップを生成する。
  論文  参考訳（メタデータ） (2021-11-01T11:14:23Z)
• Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
  空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。 私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。 腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
  論文  参考訳（メタデータ） (2021-07-06T14:50:03Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment Feedback Loop [128.07841893637337]
  回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。 パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。 本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
  論文  参考訳（メタデータ） (2021-03-30T17:07:49Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)

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。