Fugu-MT 論文翻訳(概要): Multi-input segmentation of damaged brain in acute ischemic stroke patients using slow fusion with skip connection

論文の概要: Multi-input segmentation of damaged brain in acute ischemic stroke patients using slow fusion with skip connection

arxiv url: http://arxiv.org/abs/2203.10039v1
Date: Fri, 18 Mar 2022 16:26:53 GMT
ステータス: 処理完了
システム内更新日: 2022-03-21 13:47:16.397713
Title: Multi-input segmentation of damaged brain in acute ischemic stroke patients using slow fusion with skip connection
Title（参考訳）: 急性虚血性脳梗塞患者におけるスリー・フュージョンを用いた脳損傷のマルチインプットセグメンテーション
Authors: Luca Tomasetti, Mahdieh Khanmohammadi, Kjersti Engan, Liv Jorunn H{\o}llesli, and Kathinka D{\ae}hli Kurz
Abstract要約: 急性虚血性脳梗塞患者における2つの虚血領域(コアとペナムブラ)を自動分割する方法を提案する。我々のモデルは、マルチインプットと遅い融合を伴う畳み込み・デコンボリューションのボトルネック構造に基づいている。提案したアーキテクチャは、神経放射線学者が注釈付けした地上の真実に匹敵する効果的な性能と結果を示す。
参考スコア（独自算出の注目度）: 1.372466817835681
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Time is a fundamental factor during stroke treatments. A fast, automatic approach that segments the ischemic regions helps treatment decisions. In clinical use today, a set of color-coded parametric maps generated from computed tomography perfusion (CTP) images are investigated manually to decide a treatment plan. We propose an automatic method based on a neural network using a set of parametric maps to segment the two ischemic regions (core and penumbra) in patients affected by acute ischemic stroke. Our model is based on a convolution-deconvolution bottleneck structure with multi-input and slow fusion. A loss function based on the focal Tversky index addresses the data imbalance issue. The proposed architecture demonstrates effective performance and results comparable to the ground truth annotated by neuroradiologists. A Dice coefficient of 0.81 for penumbra and 0.52 for core over the large vessel occlusion test set is achieved. The full implementation is available at: https://git.io/JtFGb.
Abstract（参考訳）: 脳卒中治療の基本因子は時間である。虚血領域を分割する高速で自動的なアプローチは、治療決定に役立つ。現在,CTP画像から得られたカラーコードパラメトリックマップを手作業で検討し,治療計画を決定する。急性期脳卒中患者の2つの虚血領域(coreとpenumbra)を区分するパラメトリックマップを用いたニューラルネットワークを用いた自動手法を提案する。我々のモデルは、マルチインプットと遅い融合を伴う畳み込み・デコンボリューションのボトルネック構造に基づいている。 focaltverskyインデックスに基づく損失関数は、データの不均衡問題に対処する。提案するアーキテクチャは,神経放射線科医が注釈した根拠真理に匹敵する効果的な性能と結果を示している。大型容器閉塞試験セット上でのペヌンブラのDice係数0.81、コアの0.52を実現する。完全な実装はhttps://git.io/jtfgbで利用可能である。

関連論文リスト

Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文参考訳（メタデータ） (2024-08-09T15:10:34Z)
CT Perfusion is All We Need: 4D CNN Segmentation of Penumbra and Core in Patients With Suspected Ischemic Stroke [1.6836876499886009]
本稿では,時間情報を完全に活用する4つの畳み込みを入力として利用する方法について検討する。提案した4D mJ-Netを用いることで、ペニブラとコア領域の分割にそれぞれ0.53と0.23のDice係数が得られる。
論文参考訳（メタデータ） (2023-03-15T16:53:19Z)
UniToBrain dataset: a Brain Perfusion Dataset [2.02258267891574]
では、UniToBrainを紹介します。本稿では,画像処理と深層学習モデル開発のために,欧州のECVLとEDDLを用いたニューラルネットワークに基づく新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-08-01T07:16:02Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
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)
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)
DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文参考訳（メタデータ） (2021-05-17T15:43:59Z)
CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。 Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
論文参考訳（メタデータ） (2021-04-07T09:09:13Z)
Neural Network-derived perfusion maps: a Model-free approach to computed tomography perfusion in patients with acute ischemic stroke [4.925222726301579]
畳み込みニューラルネットワーク(CNN)はCT灌流データから臨床的に関連するパラメトリックマップを生成することができる。 cnnベースのアプローチは,最先端の灌流解析法に匹敵する臨床関連灌流マップを作成した。
論文参考訳（メタデータ） (2021-01-15T07:11:02Z)
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)
Segmentation-based Method combined with Dynamic Programming for Brain Midline Delineation [42.91127174025364]
脳卒中やTBIによる脳圧迫の重症度を評価するには,中線関連画像の特徴が重要である。従来の手法のほとんどは、重篤なケースでは検出や欠落が難しい解剖学的点を局在させることで、ミッドラインをモデル化していた。本稿では,脳の正中線記述をセグメンテーションタスクとして定式化し,三段階の枠組みを提案する。
論文参考訳（メタデータ） (2020-02-27T05:12:18Z)

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。