Fugu-MT 論文翻訳(概要): Deep Learning-Based Carotid Artery Vessel Wall Segmentation in Black-Blood MRI Using Anatomical Priors

論文の概要: Deep Learning-Based Carotid Artery Vessel Wall Segmentation in Black-Blood MRI Using Anatomical Priors

arxiv url: http://arxiv.org/abs/2112.01137v1
Date: Thu, 2 Dec 2021 11:22:04 GMT
ステータス: 処理完了
システム内更新日: 2021-12-03 15:01:13.237465
Title: Deep Learning-Based Carotid Artery Vessel Wall Segmentation in Black-Blood MRI Using Anatomical Priors
Title（参考訳）: 解剖学的前駆体を用いたブラックブルードMRIにおける深層学習に基づく頸動脈壁剥離術
Authors: Dieuwertje Alblas, Christoph Brune, Jelmer M. Wolterink
Abstract要約: 頸動脈血管壁厚測定は動脈硬化患者のモニタリングに必須のステップである。これは、黒色磁気共鳴(MR)画像における血管壁の正確なセグメンテーションを必要とする。本研究では,極座標系におけるマルチタスク回帰問題として,容器壁のセグメンテーションを行った。
参考スコア（独自算出の注目度）: 5.248154928825152
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Carotid artery vessel wall thickness measurement is an essential step in the monitoring of patients with atherosclerosis. This requires accurate segmentation of the vessel wall, i.e., the region between an artery's lumen and outer wall, in black-blood magnetic resonance (MR) images. Commonly used convolutional neural networks (CNNs) for semantic segmentation are suboptimal for this task as their use does not guarantee a contiguous ring-shaped segmentation. Instead, in this work, we cast vessel wall segmentation as a multi-task regression problem in a polar coordinate system. For each carotid artery in each axial image slice, we aim to simultaneously find two non-intersecting nested contours that together delineate the vessel wall. CNNs applied to this problem enable an inductive bias that guarantees ring-shaped vessel walls. Moreover, we identify a problem-specific training data augmentation technique that substantially affects segmentation performance. We apply our method to segmentation of the internal and external carotid artery wall, and achieve top-ranking quantitative results in a public challenge, i.e., a median Dice similarity coefficient of 0.813 for the vessel wall and median Hausdorff distances of 0.552 mm and 0.776 mm for lumen and outer wall, respectively. Moreover, we show how the method improves over a conventional semantic segmentation approach. These results show that it is feasible to automatically obtain anatomically plausible segmentations of the carotid vessel wall with high accuracy.
Abstract（参考訳）: 頸動脈血管壁厚の測定は動脈硬化患者のモニタリングにおいて重要なステップである。これは、血管壁、すなわち動脈の腔と外壁の間の領域をブラックブラッド磁気共鳴(MR)画像で正確に分割する必要がある。セマンティックセグメンテーションによく使われる畳み込みニューラルネットワーク(cnns)は、連続したリング状セグメンテーションを保証しないため、このタスクに最適である。そこで本研究では,極座標系におけるマルチタスク回帰問題として容器壁のセグメンテーションを適用した。各軸方向の画像スライスにおける頸動脈について, 血管壁を並立する2つの非交差型輪郭を同時に発見することを目的としている。この問題に適用されたCNNは、リング状の容器壁を保証する誘導バイアスを可能にする。さらに,セグメンテーション性能に大きな影響を及ぼす問題固有のトレーニングデータ拡張手法を同定する。本手法は内頸動脈壁および外頸動脈壁の分節化に応用し,血管壁に対して0.813,ルーメンと外壁に対して0.552mm,0.5776mmの中央のハウスドルフ距離を,一般の挑戦においてトップランクの定量的結果を得る。さらに,従来のセマンティックセグメンテーション手法よりも手法が優れていることを示す。これらの結果から, 頸動脈血管壁の解剖学的に有望なセグメントを高精度に自動的に得ることが可能であった。

関連論文リスト

Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文参考訳（メタデータ） (2023-06-06T18:01:08Z)
Opto-UNet: Optimized UNet for Segmentation of Varicose Veins in Optical Coherence Tomography [0.0]
本研究は静脈壁構造のセグメンテーションのためのセグメンテーションモデルであるOpto-UNetを提案する。 Opto-UNetモデルは、新しいブロックをアーキテクチャに統合するU-Netアーキテクチャに基づいている。このモデルは精度0.9830、感度0.8425、特異度0.9980、パラメータ8.54万である。
論文参考訳（メタデータ） (2023-02-28T17:58:54Z)
Automatic Classification of Symmetry of Hemithoraces in Canine and Feline Radiographs [0.0]
畳み込みニューラルネットワーク(CNN)とアクティブな輪郭に基づくヘミトトラス分割法を提案する。提案手法のロバスト性を検証するため, 被曝・露出過多に対するソラックスセグメンテーション法を用いて, 適切に露光したラジオグラフィーを合成的に劣化させた。
論文参考訳（メタデータ） (2023-02-24T22:46:16Z)
Morphology-based non-rigid registration of coronary computed tomography and intravascular images through virtual catheter path optimization [0.2631367460046713]
血管内画像の剛性および非剛性マッチングのための形態学的枠組みをCCTA画像に提示した。本フレームワークは,大規模なマルチモーダル臨床研究を行うために必要な手作業を削減する。
論文参考訳（メタデータ） (2022-12-30T21:48:32Z)
Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文参考訳（メタデータ） (2022-11-12T05:39:17Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
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)
Learning Anatomical Segmentations for Tractography from Diffusion MRI [0.0]
拡散強調MR画像から直接170個の解剖学的領域の高速深層学習に基づくセグメンテーションを導入する。組織型によっては0.70～0.87Diceのセグメンテーション結果が一定であった。
論文参考訳（メタデータ） (2020-09-09T16:20:02Z)
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)
A Deep Learning Approach to Automate High-Resolution Blood Vessel Reconstruction on Computerized Tomography Images With or Without the Use of Contrast Agent [2.1897279580410896]
拡張性大動脈瘤嚢内の大動脈壁に付着した血栓または血栓が70～80%の症例に認められる。我々は,病的血管の高スループットパイプラインを構築するため,注意を喚起する改良されたU-Netアーキテクチャを実装した。この抽出ボリュームは、現在の動脈瘤疾患管理の方法の標準化に使用することができ、その後の複雑な幾何学的および形態学的解析の基礎を定めている。
論文参考訳（メタデータ） (2020-02-09T22:32:37Z)

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。