論文の概要: A new method incorporating deep learning with shape priors for left
ventricular segmentation in myocardial perfusion SPECT images
- arxiv url: http://arxiv.org/abs/2206.03603v1
- Date: Tue, 7 Jun 2022 22:12:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-10 04:11:34.989877
- Title: A new method incorporating deep learning with shape priors for left
ventricular segmentation in myocardial perfusion SPECT images
- Title(参考訳): 心筋灌流spect画像における心室セグメンテーションのための形状先行型深層学習を組み込んだ新しい方法
- Authors: Fubao Zhu, Jinyu Zhao, Chen Zhao, Shaojie Tang, Jiaofen Nan, Yanting
Li, Zhongqiang Zhao, Jianzhou Shi, Zenghong Chen, Zhixin Jiang, Weihua Zhou
- Abstract要約: 心筋灌流SPECT(MPS)による左室機能評価は, 正確な心筋セグメンテーションに依存している。
本研究の目的は,LV機能パラメータの自動計測のためのLV心筋を高精度に抽出するために,形状に深層学習を取り入れた新しい手法を開発し,検証することである。
- 参考スコア(独自算出の注目度): 14.185169567232055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: The assessment of left ventricular (LV) function by myocardial
perfusion SPECT (MPS) relies on accurate myocardial segmentation. The purpose
of this paper is to develop and validate a new method incorporating deep
learning with shape priors to accurately extract the LV myocardium for
automatic measurement of LV functional parameters. Methods: A segmentation
architecture that integrates a three-dimensional (3D) V-Net with a shape
deformation module was developed. Using the shape priors generated by a dynamic
programming (DP) algorithm, the model output was then constrained and guided
during the model training for quick convergence and improved performance. A
stratified 5-fold cross-validation was used to train and validate our models.
Results: Results of our proposed method agree well with those from the ground
truth. Our proposed model achieved a Dice similarity coefficient (DSC) of
0.9573(0.0244), 0.9821(0.0137), and 0.9903(0.0041), a Hausdorff distances (HD)
of 6.7529(2.7334) mm, 7.2507(3.1952) mm, and 7.6121(3.0134) mm in extracting
the endocardium, myocardium, and epicardium, respectively. Conclusion: Our
proposed method achieved a high accuracy in extracting LV myocardial contours
and assessing LV function.
- Abstract(参考訳): 背景: 心筋灌流SPECT(MPS)による左室機能評価は, 正確な心筋セグメンテーションに依存している。
本研究の目的は,LV機能パラメータの自動計測のためのLV心筋を高精度に抽出するために,形状に深層学習を取り入れた新しい手法を開発し,検証することである。
方法: 3次元(3次元)v-netと形状変形モジュールを統合するセグメンテーションアーキテクチャを開発した。
動的プログラミング(DP)アルゴリズムによって生成される形状先行値を用いて、モデルの出力を制約し、モデルトレーニング中に誘導し、迅速な収束と性能の向上を実現した。
モデルのトレーニングと検証には,階層化された5倍のクロスバリデーションが使用された。
結果:提案手法の結果は,真理から得られた結果とよく一致している。
提案モデルは,心内膜,心筋,心内膜をそれぞれ0.9573(0.0244),0.9821(0.0137),0.9903(0.0041),ハウスドルフ距離(hd)6.7529(2.7334)mm,7.2507(3.1952)mm,7.6121(3.0134)mmのサイス類似度係数(dsc)をそれぞれ達成した。
結論: 提案手法は, lv心筋輪郭抽出とlv機能評価において高い精度を達成した。
関連論文リスト
- Contrast-agent-induced deterministic component of CT-density in the
abdominal aorta during routine angiography: proof of concept study [0.0]
血管内のコントラスト剤の動的挙動を記述するモデルを構築した。
特定の研究の診断値の増大とCTデータ処理ツールの改善に有用である。
論文 参考訳(メタデータ) (2023-10-31T07:59:57Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-09T05:57:01Z) - Bayesian Optimization of 2D Echocardiography Segmentation [2.6947715121689204]
BOを用いて、深層畳み込みニューラルネットワークモデルのアーキテクチャおよびトレーニング関連ハイパーパラメータを最適化する。
左室心内膜(LV)、左心内膜(LV)、左心房に0.95、0.96、0.93の重なりがある。
また,LV終末容積の中央値絶対誤差を小さくするなど,導出性臨床指標の大幅な改善も観察した。
論文 参考訳(メタデータ) (2022-11-17T20:52:36Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳(メタデータ) (2022-08-22T22:01:44Z) - 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) - Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle
Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。
まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。
提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文 参考訳(メタデータ) (2020-12-24T17:48:35Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳(メタデータ) (2020-12-16T07:11:16Z) - Shape Constrained CNN for Cardiac MR Segmentation with Simultaneous
Prediction of Shape and Pose Parameters [0.5249805590164902]
統計的形状モデルから得られたポーズパラメータと形状パラメータの回帰により,LVと心筋セグメンテーションを行う。
トレーニング中に分割距離マップを同時に構築することにより,形状の頑健さとポーズの予測を行う。
この方法はLVQuan18とLVQuan19の公開データセットで検証され、最先端の結果を得た。
論文 参考訳(メタデータ) (2020-10-18T09:51:04Z) - 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) - HEMlets PoSh: Learning Part-Centric Heatmap Triplets for 3D Human Pose
and Shape Estimation [60.35776484235304]
本研究は, 中間状態部分熱マップトリプレット(HEMlets)を導入し, 検出された2次元関節を三次元空間に持ち上げる不確実性に対処しようとするものである。
HEMletsは3つのジョイントヒートマップを使用して、各骨格体部に対するエンドジョイントの相対的な深さ情報を表す。
Convolutional Network (ConvNet) は、入力画像からHEMletを予測し、次にボリュームのジョイント・ヒートマップレグレッションを学習する。
論文 参考訳(メタデータ) (2020-03-10T04:03:45Z)
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。