論文の概要: FReSCO: Flow Reconstruction and Segmentation for low latency Cardiac
Output monitoring using deep artifact suppression and segmentation
- arxiv url: http://arxiv.org/abs/2203.13729v1
- Date: Fri, 25 Mar 2022 16:02:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-28 14:21:35.944683
- Title: FReSCO: Flow Reconstruction and Segmentation for low latency Cardiac
Output monitoring using deep artifact suppression and segmentation
- Title(参考訳): FReSCO: ディープアーティファクト抑圧とセグメンテーションを用いた低遅延心出力モニタリングのためのフロー再構成とセグメンテーション
- Authors: Olivier Jaubert, Javier Montalt-Tordera, James Brown, Daniel Knight,
Simon Arridge, Jennifer Steeden and Vivek Muthurangu
- Abstract要約: 心臓出力(CO)のリアルタイムモニタリングには低遅延再構成とリアルタイム位相コントラストMR(PCMR)のセグメンテーションが必要である
我々は「低遅延心出力モニタリングのためのフロー再構成とセグメンテーション」のためのディープラーニングフレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: Real-time monitoring of cardiac output (CO) requires low latency
reconstruction and segmentation of real-time phase contrast MR (PCMR), which
has previously been difficult to perform. Here we propose a deep learning
framework for 'Flow Reconstruction and Segmentation for low latency Cardiac
Output monitoring' (FReSCO).
Methods: Deep artifact suppression and segmentation U-Nets were independently
trained. Breath hold spiral PCMR data (n=516) was synthetically undersampled
using a variable density spiral sampling pattern and gridded to create aliased
data for training of the artifact suppression U-net. A subset of the data
(n=96) was segmented and used to train the segmentation U-net. Real-time spiral
PCMR was prospectively acquired and then reconstructed and segmented using the
trained models (FReSCO) at low latency at the scanner in 10 healthy subjects
during rest, exercise and recovery periods. CO obtained via FReSCO was compared
to a reference rest CO and rest and exercise Compressed Sensing (CS) CO.
Results: FReSCO was demonstrated prospectively at the scanner. Beat-to-beat
heartrate, stroke volume and CO could be visualized with a mean latency of
622ms. No significant differences were noted when compared to reference at rest
(Bias = -0.21+-0.50 L/min, p=0.246) or CS at peak exercise (Bias=0.12+-0.48
L/min, p=0.458).
Conclusion: FReSCO was successfully demonstrated for real-time monitoring of
CO during exercise and could provide a convenient tool for assessment of the
hemodynamic response to a range of stressors.
- Abstract(参考訳): 目的: 心臓出力(CO)のリアルタイムモニタリングには, 従来実行が困難であったリアルタイム位相コントラストMR(PCMR)の低遅延再構成とセグメント化が必要である。
本稿では「低遅延心出力モニタリングのためのフロー再構成とセグメンテーション」のためのディープラーニングフレームワークを提案する。
方法: ディープアーティファクト抑圧とセグメンテーションu-netは独立に訓練された。
ブレスホールドスパイラルPCMRデータ(n=516)を可変密度スパイラルサンプリングパターンを用いて合成アンサンプし,アーティファクト抑制U-netのトレーニング用エイリアスデータを生成する。
データのサブセット(n=96)がセグメント化され、セグメント化U-netのトレーニングに使用された。
安静時,運動時,回復期の健常者10名を対象に,トレーニングしたモデル(FReSCO)を低遅延でリアルタイムスパイラルPCMRを前向きに取得し,再構成し,セグメンテーションした。
FReSCOを用いて得られたCOを基準安息COと比較し,CS(Compressed Sensing)COをエクササイズした。
結果: FReSCOは前向きにスキャナーで実証された。
心拍数、脳卒中量、coは平均レイテンシ622msで可視化できる。
安静時の基準 (Bias = -0.21+-0.50 L/min, p=0.246) やピーク時のCS (Bias=0.12+-0.48 L/min, p=0.458) に有意差はなかった。
結語:FReSCOは運動中のCOのリアルタイムモニタリングに成功し,各種ストレスに対する血行動態の評価に有用なツールとなった。
関連論文リスト
- Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI [23.142320453773696]
ダイナミックMRI(Dynamic MRI)は心臓の診断に不可欠である。
高速撮像を実現するため、k空間データをアンサンプできるが、画像再構成は高次元処理の大きな課題となる。
本研究は,高度に制限された学習データでも優れた次元再現型分離学習手法を応用した,新規で効率的な手法を提案する。
論文 参考訳(メタデータ) (2024-02-24T23:56:15Z) - Joint Rigid Motion Correction and Sparse-View CT via Self-Calibrating
Neural Field [37.86878619100209]
NeRFは自己教師型ディープラーニングフレームワークとしてSparse-View (SV) CT再構成問題で広く注目を集めている。
既存のNeRFベースのSVCT法は、CT取得中に全く相対的な動きがないと厳密に仮定する。
本研究は, 剛性運動崩壊SV測定からアーチファクトフリーなイメージを復元する自己校正型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) (2022-10-23T13:55:07Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳(メタデータ) (2022-09-29T04:06:00Z) - LSSANet: A Long Short Slice-Aware Network for Pulmonary Nodule Detection [38.92730845107276]
肺結節検出のための長短スライス・アウェア・ネットワーク(LSSANet)を提案する。
特に、長短スライスグループ(LSSG)と呼ばれる新しい非局所的なメカニズムを開発する。
これにより計算負担が軽減されるだけでなく、スライスにまたがる任意の要素間の長距離依存関係も維持される。
論文 参考訳(メタデータ) (2022-08-03T14:57:42Z) - DRNet: Decomposition and Reconstruction Network for Remote Physiological
Measurement [39.73408626273354]
既存の方法は一般に2つのグループに分けられる。
1つ目は、顔ビデオから微妙な音量パルス(BVP)信号を抽出することに焦点を当てているが、顔ビデオコンテンツを支配するノイズを明示的にモデル化することはめったにない。
第二に、ノイズの多いデータを直接モデリングすることに焦点を当てており、これらの厳密なランダムノイズの規則性の欠如により、最適以下の性能が得られる。
論文 参考訳(メタデータ) (2022-06-12T07:40:10Z) - Quality monitoring of federated Covid-19 lesion segmentation [0.31399837869748465]
本稿では,各病院で局所的に計算し,統合システムの集中的なモニタリングを行うための軽量なメトリクスの配列について述べる。
我々の線形モデルは、分布外データセット上の低品質セグメンテーションの70%以上を検出し、モデル性能の低下を確実に示している。
論文 参考訳(メタデータ) (2021-12-16T15:49:47Z) - Optimized Automated Cardiac MR Scar Quantification with GAN-Based Data
Augmentation [3.3073775218038888]
後期ガドリニウム増強(LGE)心筋MRIの臨床的有用性は、標準化の欠如と時間を要する後処理によって制限される。
我々は,合成データによる拡張を訓練したカスケード深層学習パイプラインが,自動傷跡定量化のためのモデル精度とロバスト性を向上させることができるという仮説を検証した。
論文 参考訳(メタデータ) (2021-09-27T10:46:02Z) - SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere
Representation and Center Points Matching [47.79483848496141]
3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。
アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。
提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
論文 参考訳(メタデータ) (2021-04-12T05:51:29Z) - Rapid quantification of COVID-19 pneumonia burden from computed
tomography with convolutional LSTM networks [1.0072268949897432]
新型肺炎における肺病変の迅速定量と分化のための新しい完全自動化ディープラーニングフレームワークを提案する。
SARS-CoV-2の陽性逆転写ポリメラーゼ連鎖反応試験結果を有する197例のCTデータセット上で,この方法の性能を評価した。
論文 参考訳(メタデータ) (2021-03-31T22:09:14Z) - 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) - Free-breathing Cardiovascular MRI Using a Plug-and-Play Method with
Learned Denoiser [11.273082537280766]
磁気共鳴画像(CMR)の臨床的有用性は、長い取得時間によって妨げられる。
本研究では,マルチコイルサブルーチン下でのCMR再構成のためのプラグアンドプレイ手法を提案する。
その結果, RT CMRを加速するDL-DLの可能性が浮かび上がった。
論文 参考訳(メタデータ) (2020-02-08T20:27:07Z)
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。