論文の概要: HDL: Hybrid Deep Learning for the Synthesis of Myocardial Velocity Maps
in Digital Twins for Cardiac Analysis
- arxiv url: http://arxiv.org/abs/2203.05564v1
- Date: Wed, 9 Mar 2022 23:22:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-14 12:21:15.690675
- Title: HDL: Hybrid Deep Learning for the Synthesis of Myocardial Velocity Maps
in Digital Twins for Cardiac Analysis
- Title（参考訳）: hdl:ハイブリッド深層学習による心臓解析用デジタル双生児心筋速度マップの合成
- Authors: Xiaodan Xing, Javier Del Ser, Yinzhe Wu, Yang Li, Jun Xia, Lei Xu,
David Firmin, Peter Gatehouse, Guang Yang
- Abstract要約: 本稿では,合成3Dir MVMデータを対象としたハイブリッドディープラーニング(HDL)ネットワークを提案する。
提案アルゴリズムは高時間分解能3Dir MVM CMRデータの合成に成功している。
この研究は、3Dir MVM CMRのデジタル双対を調査した最初の論文である。
- 参考スコア（独自算出の注目度）: 12.999677043271133
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Synthetic digital twins based on medical data accelerate the acquisition,
labelling and decision making procedure in digital healthcare. A core part of
digital healthcare twins is model-based data synthesis, which permits the
generation of realistic medical signals without requiring to cope with the
modelling complexity of anatomical and biochemical phenomena producing them in
reality. Unfortunately, algorithms for cardiac data synthesis have been so far
scarcely studied in the literature. An important imaging modality in the
cardiac examination is three-directional CINE multi-slice myocardial velocity
mapping (3Dir MVM), which provides a quantitative assessment of cardiac motion
in three orthogonal directions of the left ventricle. The long acquisition time
and complex acquisition produce make it more urgent to produce synthetic
digital twins of this imaging modality. In this study, we propose a hybrid deep
learning (HDL) network, especially for synthetic 3Dir MVM data. Our algorithm
is featured by a hybrid UNet and a Generative Adversarial Network with a
foreground-background generation scheme. The experimental results show that
from temporally down-sampled magnitude CINE images (six times), our proposed
algorithm can still successfully synthesise high temporal resolution 3Dir MVM
CMR data (PSNR=42.32) with precise left ventricle segmentation (DICE=0.92).
These performance scores indicate that our proposed HDL algorithm can be
implemented in real-world digital twins for myocardial velocity mapping data
simulation. To the best of our knowledge, this work is the first one in the
literature investigating digital twins of the 3Dir MVM CMR, which has shown
great potential for improving the efficiency of clinical studies via
synthesised cardiac data.
- Abstract（参考訳）: 医療データに基づく合成デジタルツインは、デジタル医療における取得、ラベル付け、意思決定手順を加速する。
デジタル・ヘルスケア・ツインの中核となるのはモデルに基づくデータ合成であり、解剖学や生化学的現象のモデリングの複雑さに対処せずにリアルな医療信号を生成することができる。
残念ながら、心臓データ合成のアルゴリズムは文献ではほとんど研究されていない。
心臓検査における重要なイメージングモダリティは、3方向シネ多スライス心筋速度マッピング(3dir mvm)であり、左室の3つの直交方向における心臓運動の定量的評価を提供する。
長い取得時間と複雑な取得は、この画像の合成デジタル双対をより緊急に生成する。
本研究では,合成3Dir MVMデータを対象としたハイブリッドディープラーニング(HDL)ネットワークを提案する。
提案アルゴリズムは,前景背景生成方式を備えたハイブリッドUNetとジェネレーティブ・アドバーサリアル・ネットワークによって特徴付けられる。
実験結果から, 時間分解能3Dir MVM CMRデータ (PSNR=42.32) と正確な左室分画 (DICE=0.92) を同時に合成できることが示唆された。
これらの結果から,HDLアルゴリズムは心筋速度マッピングデータシミュレーションのための実世界のデジタルツインに実装可能であることが示唆された。
我々の知る限り、この研究は3Dir MVM CMRのデジタル双生児の研究で最初のものであり、人工心臓データによる臨床研究の効率向上に大きな可能性を示している。
関連論文リスト
- Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images [13.686473040836113]
本研究では,心臓スタック全体にわたる空間的パッチと時間的パッチの相関関係を自動的に解明する,完全自己教師型学習フレームワークを提案する。
我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
論文 参考訳（メタデータ） (2024-06-01T07:08:45Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - SimLVSeg: Simplifying Left Ventricular Segmentation in 2D+Time Echocardiograms with Self- and Weakly-Supervised Learning [0.8672882547905405]
狭義の心エコービデオから一貫した左室(LV)セグメンテーションを行うビデオベースネットワークであるSimLVSegを開発した。
SimLVSegは、時間的マスキングによる自己教師付き事前トレーニングと、スパースアノテーションからのLVセグメンテーションに適した弱い教師付き学習で構成されている。
我々は、SimLVSegが、最大の2D+時間心エコー画像データセットで93.32%のダイススコアを達成して、最先端のソリューションをいかに優れているかを実証する。
論文 参考訳（メタデータ） (2023-09-30T18:13:41Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - Moving from 2D to 3D: volumetric medical image classification for rectal
cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。
直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-09-13T07:10:14Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - Synthetic Velocity Mapping Cardiac MRI Coupled with Automated Left
Ventricle Segmentation [1.8268300764373178]
本稿では,3次元MVMデータの時間分解能を高めるためのフレーム合成アルゴリズムを提案する。
我々のアルゴリズムは、時間分解能3Dir MVMを増大させるだけでなく、同時に心筋セグメンテーション結果を生成することもできる。
論文 参考訳（メタデータ） (2021-10-04T10:20:27Z) - Three-Dimensional Embedded Attentive RNN (3D-EAR) Segmentor for Left
Ventricle Delineation from Myocardial Velocity Mapping [1.8653386811342048]
MVM-CMRデータセットのための組み込みマルチチャネルアテンション機構とLSTMベースのリカレントニューラルネットワーク(RNN)を備えた3D-UNETバックボーンアーキテクチャを組み込んだ新しいフルオートマチックフレームワークを提案する。
3D-UNETのベースラインモデルと、組み込み型LSTMモジュールと各種損失関数の有無の比較により、提案モデルが最先端のベースラインモデルより大幅に改善されたことを実証できます。
論文 参考訳（メタデータ） (2021-04-26T11:04:43Z) - Automated Multi-Channel Segmentation for the 4D Myocardial Velocity
Mapping Cardiac MR [1.8653386811342048]
4次元(4d)左室心筋速度マッピング(mvm)は、心磁気共鳴(cmr)技術である。
本稿では,これらのCMRマルチチャネルデータに基づく標準U-Net手法を改善する新しいフレームワークを提案する。
提案するネットワークは, シングルチャネルデータで訓練された標準U-Netネットワークと比較して, 性能が向上した。
論文 参考訳（メタデータ） (2020-12-16T16:15:55Z) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳（メタデータ） (2020-09-01T19:17:46Z) - 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。