論文の概要: Automatic Detection and Segmentation of Postoperative Cerebellar Damage
Based on Normalization
- arxiv url: http://arxiv.org/abs/2203.02042v1
- Date: Thu, 3 Mar 2022 22:26:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 01:28:41.837307
- Title: Automatic Detection and Segmentation of Postoperative Cerebellar Damage
Based on Normalization
- Title（参考訳）: 正常化に基づく術後小脳損傷の自動検出と分節化
- Authors: Silu Zhang, Stuart McAfee, Zoltan Patay, Matthew Scoggins
- Abstract要約: 小脳損傷の確実な局在化と測定は、損傷した小脳領域と術後の神経学的結果との関係を研究するために不可欠である。
既存の脳の正常化法は術後のスキャンでは信頼性が低いため,手動ラベリングによる外科的損傷の計測が現在行われている。
術後3次元T1MRIを用いて,手術による小脳損傷を自動的に検出・測定する頑健なアルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 1.1470070927586016
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Surgical resection is a common procedure in the treatment of pediatric
posterior fossa tumors. However, surgical damage is often unavoidable and its
association with postoperative complications is not well understood. A reliable
localization and measure of cerebellar damage is fundamental to study the
relationship between the damaged cerebellar regions and postoperative
neurological outcomes. Existing cerebellum normalization methods are not
reliable on postoperative scans, therefore current approaches to measure
surgical damage rely on manual labelling. In this work, we develop a robust
algorithm to automatically detect and measure cerebellum damage due to surgery
using postoperative 3D T1 magnetic resonance imaging. In our proposed approach,
normal brain tissues are first segmented using a Bayesian algorithm customized
for postoperative scans. Next, the cerebellum is isolated by nonlinear
registration of a whole brain template to the native space. The isolated
cerebellum is then normalized into the spatially unbiased atlas (SUIT) space
using anatomical information derived from the previous step. Finally, the
damage is detected in the atlas space by comparing the normalized cerebellum
and the SUIT template. We evaluated our damage detection tool on postoperative
scans of 153 patients diagnosed with medulloblastoma based on inspection by
human expects. We also designed a simulation to test the proposed approach
without human intervention. Our results show that the proposed approach has
superior performance on various scenarios.
- Abstract（参考訳）: 外科的切除は小児後窩腫瘍の治療の一般的な方法である。
しかし, 外科的損傷は避けられないことが多く, 術後合併症との関連はよく分かっていない。
小脳損傷の確実な局在と測定は、損傷した小脳領域と術後の神経学的結果との関係を研究するために重要である。
既存の小脳の正常化法は術後のスキャンでは信頼できないため,手指ラベリングによる外科的損傷の測定が現在行われている。
本研究では,術後3次元t1磁気共鳴画像を用いた手術による小脳損傷を自動的に検出し,測定するロバストアルゴリズムを開発した。
提案手法では, 術後スキャン用にカスタマイズされたベイズアルゴリズムを用いて, 正常な脳組織を抽出する。
次に、脳テンプレート全体をネイティブ空間に非線形に登録することで小脳を分離する。
摘出された小脳は、前ステップから派生した解剖学的情報を用いて、空間的に偏ったアトラス(SUIT)空間に正規化される。
最後に、正規化された小脳とスーツテンプレートを比較してアトラス空間で損傷を検出する。
髄芽腫と診断された153例の術後検査において,ヒトの期待値による損傷検出ツールの評価を行った。
また,人間の介入なしに提案手法をテストするシミュレーションを設計した。
その結果,提案手法は様々なシナリオにおいて優れた性能を示した。
関連論文リスト
- M&M: Unsupervised Mamba-based Mastoidectomy for Cochlear Implant Surgery with Noisy Data [3.626734411913593]
術中CTスキャンのみでマストイドの容積を合成する方法を提案する。
術式別では, 口径70.0%, 口径70.0%の乳頭切除術を施行した。
論文 参考訳（メタデータ） (2024-07-22T16:47:29Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Monocular Microscope to CT Registration using Pose Estimation of the
Incus for Augmented Reality Cochlear Implant Surgery [3.8909273404657556]
本研究では, 外部追跡装置を必要とせず, 2次元から3次元の観察顕微鏡映像を直接CTスキャンに登録する手法を開発した。
その結果, x, y, z軸の平均回転誤差は25度未満, 翻訳誤差は2mm, 3mm, 0.55%であった。
論文 参考訳（メタデータ） (2024-03-12T00:26:08Z) - A novel method to compute the contact surface area between an organ and cancer tissue [81.84413479369512]
CSA(contact surface area)とは、腫瘍と臓器の間の接触領域のこと。
我々は,腫瘍と臓器の3次元再構成を頼りに,CSAの正確な客観的評価を行う革新的な方法を提案する。
論文 参考訳（メタデータ） (2024-01-19T14:34:34Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - FocalErrorNet: Uncertainty-aware focal modulation network for
inter-modal registration error estimation in ultrasound-guided neurosurgery [3.491999371287298]
術中組織変形(脳シフトと呼ばれる)は、手術対象を移動させ、手術前の計画が無効になる可能性がある。
脳腫瘍手術におけるMRI-iUS登録誤差を正確に評価するために,3次元焦点変調に基づく新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-07-26T21:42:22Z) - Meta-Analysis of Transfer Learning for Segmentation of Brain Lesions [0.0]
3次元磁気共鳴(MR)画像からの脳卒中病変の手動分割は、現在の金標準である。
転写学習(TL)と混合データアプローチを用いて訓練した8種類の2次元モデルアーキテクチャを用いて,脳卒中病変の完全自動セグメンテーション手法の実装と試験を行った。
クロスバリデーションの結果,新しい手法は,地中真実と比較して高速かつ高精度に病変を分割できることがわかった。
論文 参考訳（メタデータ） (2023-06-20T17:42:30Z) - Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。
本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
論文 参考訳（メタデータ） (2023-05-09T11:42:53Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - 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) - Tissue characterization based on the analysis on i3DUS data for
diagnosis support in neurosurgery [1.0423580478280678]
Attention-Mixed Res-U-net with asymmetric loss function" に基づくCADシステムにより,最先端の成果が得られた。
論文 参考訳（メタデータ） (2020-10-24T10:44:49Z)
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。