論文の概要: A novel approach for the automated segmentation and volume quantification of cardiac fats on computed tomography

• arxiv url: http://arxiv.org/abs/2112.11381v1
• Date: Tue, 21 Dec 2021 17:38:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-22 14:46:17.857275
• Title: A novel approach for the automated segmentation and volume quantification of cardiac fats on computed tomography
• Title（参考訳）: 心電図における心脂肪の自動分画と体積定量化の新しいアプローチ
• Authors: \'Erick Oliveira Rodrigues, FFC Morais, NAOS Morais, LS Conci, LV Neto and Aura Conci
• Abstract要約: 本稿では,2種類の心臓脂肪の自律的分画と定量化のための統一的手法を提案する。 分節脂肪は心外および縦隔と呼ばれ、心膜によって互いに区別される。 提案手法は主に,所望のセグメンテーションを行うための登録アルゴリズムと分類アルゴリズムから構成される。
• 参考スコア（独自算出の注目度）: 0.9786690381850356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The deposits of fat on the surroundings of the heart are correlated to several health risk factors such as atherosclerosis, carotid stiffness, coronary artery calcification, atrial fibrillation and many others. These deposits vary unrelated to obesity, which reinforces its direct segmentation for further quantification. However, manual segmentation of these fats has not been widely deployed in clinical practice due to the required human workload and consequential high cost of physicians and technicians. In this work, we propose a unified method for an autonomous segmentation and quantification of two types of cardiac fats. The segmented fats are termed epicardial and mediastinal, and stand apart from each other by the pericardium. Much effort was devoted to achieve minimal user intervention. The proposed methodology mainly comprises registration and classification algorithms to perform the desired segmentation. We compare the performance of several classification algorithms on this task, including neural networks, probabilistic models and decision tree algorithms. Experimental results of the proposed methodology have shown that the mean accuracy regarding both epicardial and mediastinal fats is 98.5% (99.5% if the features are normalized), with a mean true positive rate of 98.0%. In average, the Dice similarity index was equal to 97.6%.
• Abstract（参考訳）: 心臓周囲の脂肪の沈着は,動脈硬化,頸動脈硬度,冠動脈石灰化,心房細動など,いくつかの健康リスク因子と相関する。 これらの堆積物は肥満とは無関係であり、さらなる定量化のために直接のセグメンテーションを強化する。 しかし、人為的な作業負荷や、医師や技術者の費用がかかるため、これらの脂肪の手動分画は臨床実践において広く行われていない。 本研究では,2種類の心臓脂肪の自律的セグメンテーションと定量化のための統一手法を提案する。 分節脂肪は心外および縦隔と呼ばれ、心膜によって互いに区別される。 ユーザーの介入を最小限に抑えるために多くの努力が費やされた。 提案手法は主に,所望のセグメンテーションを行う登録および分類アルゴリズムを含む。 ニューラルネットワーク,確率モデル,決定木アルゴリズムなど,このタスクにおける複数の分類アルゴリズムの性能を比較する。 提案法により, 心内膜脂肪および縦隔脂肪の平均精度は98.5%(正常化した場合は99.5%)であり, 正の98.0%であった。 平均的なDice類似度指数は97.6%であった。

関連論文リスト

• An Improved Approach for Cardiac MRI Segmentation based on 3D UNet Combined with Papillary Muscle Exclusion [0.0]
  異なるフェーズにおいて、心臓構造を正確にセグメンテーションするための堅牢なアルゴリズムを開発することが重要である。 本研究では,乳頭筋を除いた心筋とLVのセグメンテーションに改良された3次元UNetモデルを導入する。 提案フレームワークの実用試験では, 合計8,400枚の心MRI画像を収集し, 解析した。
  論文  参考訳（メタデータ） (2024-10-09T12:19:58Z)
• Liver Fat Quantification Network with Body Shape [4.642852520437342]
  生体形状のみを用いて肝脂肪の割合を推定するディープニューラルネットワークを提案する。 提案手法は,フレキシブルベースラインネットワークと軽量アテンションモジュールから構成される。 その結果,Root平均二乗誤差(RMSE)が5.26%,R-二乗値が0.8。
  論文  参考訳（メタデータ） (2024-05-18T20:22:22Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
  三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。 本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
  論文  参考訳（メタデータ） (2023-07-13T10:21:34Z)
• Automated recognition of the pericardium contour on processed CT images using genetic algorithms [0.0]
  本稿では,ヒト心臓の心膜輪郭の追跡と認識に遺伝的アルゴリズム(GA)を用いることを提案する。 最適なエリプスは心膜輪郭に近づき、心臓の心膜脂肪と縦隔脂肪を適切に分離するものである。
  論文  参考訳（メタデータ） (2022-08-30T16:35:41Z)
• On the Automated Segmentation of Epicardial and Mediastinal Cardiac Adipose Tissues Using Classification Algorithms [0.9176056742068814]
  本研究は,心臓脂肪パッドの自動セグメンテーションのための新しい技術を提案する。 本手法は,心臓CT画像のセグメンテーションに分類アルゴリズムを適用することに基づく。 心内膜脂肪および縦隔脂肪の分類における平均精度は98.4%であった。
  論文  参考訳（メタデータ） (2022-08-30T15:57:02Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• 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)
• Segmentation-free Heart Pathology Detection Using Deep Learning [12.065014651638943]
  本研究では,新しいセグメンテーションフリー心音分類法を提案する。 具体的には、離散ウェーブレット変換を用いて信号をノイズ化し、続いて特徴抽出と特徴量削減を行う。 サポートベクトルマシンとディープニューラルネットワークは分類に使用される。
  論文  参考訳（メタデータ） (2021-08-09T16:09:30Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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)

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。