論文の概要: A Survey of Left Atrial Appendage Segmentation and Analysis in 3D and 4D Medical Images

• arxiv url: http://arxiv.org/abs/2205.06486v1
• Date: Fri, 13 May 2022 07:35:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-16 21:35:36.543359
• Title: A Survey of Left Atrial Appendage Segmentation and Analysis in 3D and 4D Medical Images
• Title（参考訳）: 3次元および4次元医用画像における左心房細動の分節化と解析
• Authors: Hrvoje Leventi\'c, Marin Ben\v{c}evi\'c, Danilo Babin, Marija Habijan, Irena Gali\'c
• Abstract要約: 左心房細動 (LAA) は脳卒中リスクの軽減に有効な治療法である。 この分析は、手動で2Dスライスにアタッチメントを分割することで行うのが一般的である。 付属物をセグメント化するための半自動および完全自動の手法が提案されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Atrial fibrillation (AF) is a cardiovascular disease identified as one of the main risk factors for stroke. The majority of strokes due to AF are caused by clots originating in the left atrial appendage (LAA). LAA occlusion is an effective procedure for reducing stroke risk. Planning the procedure using pre-procedural imaging and analysis has shown benefits. The analysis is commonly done by manually segmenting the appendage on 2D slices. Automatic LAA segmentation methods could save an expert's time and provide insightful 3D visualizations and accurate automatic measurements to aid in medical procedures. Several semi- and fully-automatic methods for segmenting the appendage have been proposed. This paper provides a review of automatic LAA segmentation methods on 3D and 4D medical images, including CT, MRI, and echocardiogram images. We classify methods into heuristic and model-based methods, as well as into semi- and fully-automatic methods. We summarize and compare the proposed methods, evaluate their effectiveness, and present current challenges in the field and approaches to overcome them.
• Abstract（参考訳）: 心房細動(英: atrial fibrillation, AF)は、脳卒中の主な危険因子の一つである心血管疾患である。 AFによる脳梗塞の大部分は左心房補助(LAA)由来の血栓によるものである。 LAA閉塞は脳卒中リスクを低減する効果的な方法である。 プロシージャ前画像と分析を用いた手順の策定は, 有益である。 この分析は、手動で2Dスライスにアタッチメントを分割することで行うのが一般的である。 自動LAAセグメンテーション法は、専門家の時間を節約し、洞察に富んだ3D可視化と正確な自動測定を提供することで医療処置を支援する。 いくつかの半自動的手法が提案されている。 本稿では,CT,MRI,心エコー画像を含む3次元および4次元の医用画像に対するLAA自動分割法について概説する。 我々は,手法をヒューリスティックおよびモデルに基づく手法に分類し,半自動および完全自動の手法に分類する。 提案手法を要約・比較し,その有効性を評価し,現状の課題と克服へのアプローチを提示する。

関連論文リスト

• Automated Localization of Blood Vessels in Retinal Images [0.0]
  健康な網膜像と不健康な網膜像の両方を扱う2つの方法を分析した。 最初のステップでは、明るい病変の影響を減らすためにアルゴリズムが使用される。 第2のステップでは、ライン状の血管構造を局在させるために、マルチスケールのライン演算子が使用される。
  論文  参考訳（メタデータ） (2023-10-22T21:05:55Z)
• 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 unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Multiple Sclerosis Lesions Segmentation using Attention-Based CNNs in FLAIR Images [0.2578242050187029]
  多発性硬化症(Multiple Sclerosis、MS)は、中枢神経系の病変を引き起こす自己免疫性脱髄性疾患である。 今のところ、病変の分断には多要素自動バイオメディカルアプローチが多用されている。 著者らは1つのモダリティ(FLAIR画像)を用いてMS病変を正確に分類する方法を提案する。
  論文  参考訳（メタデータ） (2022-01-05T21:37:43Z)
• 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)
• Automatic Identification of the End-Diastolic and End-Systolic Cardiac Frames from Invasive Coronary Angiography Videos [6.203906656404265]
  侵襲的冠動脈造影検査において, エンド拡張期(ED)とエンド収縮期(ES)の適切な画像フレームの同定が重要である。 現在の識別法は主に視覚的解釈に依存しており、時間だけでなく再現性も低い。 そこで本研究では,鍵血管点の軌跡を用いて,EDとESの心期に関連する血管画像フレームを自動的に同定する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-06T15:16:55Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• 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)
• Simultaneous Left Atrium Anatomy and Scar Segmentations via Deep Learning in Multiview Information with Attention [14.252180320919551]
  心房細動(AF)患者における左心房粗動の3次元遅発性心MR(LGE)強調法(CMR)は,近年,患者を成層化するための有望な手法として注目されている。 これは、高強度の傷痕組織の分節と左房解剖(LA)の分節を必要とする。 マルチビュー2タスク(MVTT)に基づく共同セグメンテーション手法を提案する。 3D LGE CMR画像を直接作業することで、LAを分割し、傷跡をデライン化することができる。
  論文  参考訳（メタデータ） (2020-02-02T18:03:44Z)

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。