論文の概要: MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images
- arxiv url: http://arxiv.org/abs/2201.03186v1
- Date: Mon, 10 Jan 2022 06:37:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-11 17:38:54.792132
- Title: MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images
- Title（参考訳）: myops : 3シーケンス心筋mri画像を組み合わせた心筋病理分節のベンチマーク
- Authors: Lei Li, Fuping Wu, Sihan Wang, Xinzhe Luo, Carlos Martin-Isla, Shuwei
Zhai, Jianpeng Zhang, Yanfei Liu7, Zhen Zhang, Markus J. Ankenbrand, Haochuan
Jiang, Xiaoran Zhang, Linhong Wang, Tewodros Weldebirhan Arega, Elif Altunok,
Zhou Zhao, Feiyan Li, Jun Ma, Xiaoping Yang, Elodie Puybareau, Ilkay Oksuz,
Stephanie Bricq, Weisheng Li, Kumaradevan Punithakumar, Sotirios A.
Tsaftaris, Laura M. Schreiber, Mingjing Yang, Guocai Liu, Yong Xia, Guotai
Wang, Sergio Escalera, Xiahai Zhuang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 84.02849948202116
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Assessment of myocardial viability is essential in diagnosis and treatment
management of patients suffering from myocardial infarction, and classification
of pathology on myocardium is the key to this assessment. This work defines a
new task of medical image analysis, i.e., to perform myocardial pathology
segmentation (MyoPS) combining three-sequence cardiac magnetic resonance (CMR)
images, which was first proposed in the MyoPS challenge, in conjunction with
MICCAI 2020. The challenge provided 45 paired and pre-aligned CMR images,
allowing algorithms to combine the complementary information from the three CMR
sequences for pathology segmentation. In this article, we provide details of
the challenge, survey the works from fifteen participants and interpret their
methods according to five aspects, i.e., preprocessing, data augmentation,
learning strategy, model architecture and post-processing. In addition, we
analyze the results with respect to different factors, in order to examine the
key obstacles and explore potential of solutions, as well as to provide a
benchmark for future research. We conclude that while promising results have
been reported, the research is still in the early stage, and more in-depth
exploration is needed before a successful application to the clinics. Note that
MyoPS data and evaluation tool continue to be publicly available upon
registration via its homepage
(www.sdspeople.fudan.edu.cn/zhuangxiahai/0/myops20/).
- Abstract（参考訳）: 心筋梗塞患者の診断・治療管理には, 心筋viabilityの評価が不可欠であり, 病理の分類がこの評価の鍵となる。
本研究は、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3系列の心臓磁気共鳴(CMR)画像を組み合わせて、MyoPS(MyoPS)の心筋病理セグメント化(MyoPS)を行うための医療画像解析の新たな課題を定義する。
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分類を行う。
本稿では,課題の詳細を述べ,15人の参加者の作業を調査し,前処理,データ拡張,学習戦略,モデルアーキテクチャ,後処理という5つの側面に従って手法を解釈する。
さらに,様々な要因について分析を行い,主要な障害を調査し,解決策の可能性を探究するとともに,今後の研究のためのベンチマークを提供する。
有望な結果が報告されているが、研究はまだ初期段階にあり、診療所への応用に成功する前により詳細な調査が必要であると結論づけた。
myoPSデータと評価ツールは、ホームページ(www.sdspeople.fudan.edu.cn/zhuangxiahai/0/myops20/)を通じて、引き続き公開されている。
関連論文リスト
- Ensemble Learning of Myocardial Displacements for Myocardial Infarction
Detection in Echocardiography [15.153823114115307]
心筋梗塞の早期発見と局所化は、心臓損傷の重症度を低下させる可能性がある。
深層学習技術は心エコー画像におけるMI検出の可能性を示唆している。
本研究は,複数のセグメンテーションモデルの特徴を組み合わせ,MI分類性能を向上させるロバストな手法を提案する。
論文 参考訳（メタデータ） (2023-03-12T20:16:14Z) - MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination
of Multi-Sequence CMR Images [21.671773978257253]
我々はMyoPS-Netと呼ばれるエンド・ツー・エンドのディープ・ニューラルネットワークを開発し、MyoPSのための5シーケンス心磁気共鳴(CMR)画像を柔軟に組み合わせた。
正確かつ適切な情報を抽出するために,クロスモーダルな特徴を抽出・融合する効果的かつフレキシブルなアーキテクチャを設計する。
その結果,MyoPS-Netの優位性と一般化性が証明され,さらに臨床的に有用であることが示唆された。
論文 参考訳（メタデータ） (2022-11-06T08:46:24Z) - AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images [23.212429566838203]
マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
論文 参考訳（メタデータ） (2022-01-14T08:59:54Z) - 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) - Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation
Studies: A Review [18.22326892162902]
後期ガドリニウム造影MRI(LGE MRI)は左心房(LA)の傷跡の可視化と定量化に一般的に用いられている。
本稿では, LGE MRIによるLA空洞, 壁, 傷痕, アブレーションギャップのセグメンテーションと定量化のための計算手法について, 体系的に検討することを目的とする。
論文 参考訳（メタデータ） (2021-06-18T01:31:06Z) - 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) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。