論文の概要: Cardiac Adipose Tissue Segmentation via Image-Level Annotations
- arxiv url: http://arxiv.org/abs/2206.04238v1
- Date: Thu, 9 Jun 2022 02:55:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-10 15:59:51.482081
- Title: Cardiac Adipose Tissue Segmentation via Image-Level Annotations
- Title（参考訳）: 画像レベルアノテーションによる心筋脂肪組織分画
- Authors: Ziyi Huang, Yu Gan, Theresa Lye, Yanchen Liu, Haofeng Zhang, Andrew
Laine, Elsa Angelini, and Christine Hendon
- Abstract要約: 我々は,ヒト心基質のCT画像に画像レベルのアノテーションを用いた心脂肪組織分画のための2段階の深層学習フレームワークを開発した。
本研究は, 自動組織解析の需要と高品質な画素アノテーションの欠如とのギャップを埋めるものである。
- 参考スコア（独自算出の注目度）: 8.705311618392368
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatically identifying the structural substrates underlying cardiac
abnormalities can potentially provide real-time guidance for interventional
procedures. With the knowledge of cardiac tissue substrates, the treatment of
complex arrhythmias such as atrial fibrillation and ventricular tachycardia can
be further optimized by detecting arrhythmia substrates to target for treatment
(i.e., adipose) and identifying critical structures to avoid. Optical coherence
tomography (OCT) is a real-time imaging modality that aids in addressing this
need. Existing approaches for cardiac image analysis mainly rely on fully
supervised learning techniques, which suffer from the drawback of workload on
labor-intensive annotation process of pixel-wise labeling. To lessen the need
for pixel-wise labeling, we develop a two-stage deep learning framework for
cardiac adipose tissue segmentation using image-level annotations on OCT images
of human cardiac substrates. In particular, we integrate class activation
mapping with superpixel segmentation to solve the sparse tissue seed challenge
raised in cardiac tissue segmentation. Our study bridges the gap between the
demand on automatic tissue analysis and the lack of high-quality pixel-wise
annotations. To the best of our knowledge, this is the first study that
attempts to address cardiac tissue segmentation on OCT images via weakly
supervised learning techniques. Within an in-vitro human cardiac OCT dataset,
we demonstrate that our weakly supervised approach on image-level annotations
achieves comparable performance as fully supervised methods trained on
pixel-wise annotations.
- Abstract（参考訳）: 心臓異常の基盤となる構造基質を自動的に同定することは、介入手順のリアルタイムガイダンスを提供する可能性がある。
心組織基質の知識により、心房細動や心室頻拍などの複雑な不整脈の治療をさらに最適化することができ、不整脈基質を検出して治療(アディポス)を目標とし、回避すべき重要な構造を特定することができる。
光コヒーレンス断層撮影(OCT)は、このニーズに対処するためのリアルタイム撮像法である。
既存の心臓画像解析のアプローチは、ピクセル単位のラベル付けの労働集約的アノテーションプロセスにおける作業負荷の欠点に苦しむ完全教師あり学習技術に主に依存している。
ピクセルワイドラベリングの必要性を低減するため,ヒト心基質のCT画像に画像レベルのアノテーションを付加した2段階の心脂肪組織セグメンテーションの深層学習フレームワークを開発した。
特に, クラス活性化マッピングをスーパーピクセルセグメンテーションと統合することにより, 心筋組織セグメンテーションで生じるばらばらな組織種子の課題を解決する。
本研究は, 自動組織解析の需要と高品質な画素アノテーションの欠如とのギャップを埋めるものである。
我々の知る限りでは、弱い教師付き学習技術を用いてOCT画像上の心臓組織分節に対処しようとする最初の研究である。
生体内OCTデータセットにおいて、画像レベルのアノテーションに対する弱い教師付きアプローチが、ピクセル単位のアノテーションで訓練された完全な教師付き手法と同等のパフォーマンスを達成することを示す。
関連論文リスト
- Crop and Couple: cardiac image segmentation using interlinked specialist
networks [0.5452923068355806]
本稿では,単一解剖学に焦点を当てた専門的ネットワークを用いてセグメンテーションを行う新しい戦略を提案する。
入力長軸心MR画像から、第1段階で第3次分割を行い、これらの解剖学的領域を同定する。
専門家ネットワークは、異なる解剖学の特徴を相互に関連付けるための注意機構を介して結合される。
論文 参考訳（メタデータ） (2024-02-14T13:14:04Z) - Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳（メタデータ） (2023-03-08T14:08:56Z) - Automated recognition of the pericardium contour on processed CT images
using genetic algorithms [0.0]
本稿では,ヒト心臓の心膜輪郭の追跡と認識に遺伝的アルゴリズム(GA)を用いることを提案する。
最適なエリプスは心膜輪郭に近づき、心臓の心膜脂肪と縦隔脂肪を適切に分離するものである。
論文 参考訳（メタデータ） (2022-08-30T16:35:41Z) - 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) - Nuclei Segmentation with Point Annotations from Pathology Images via
Self-Supervised Learning and Co-Training [44.13451004973818]
核分割のための弱い教師付き学習法を提案する。
粗いピクセルレベルのラベルは、ボロノイ図に基づく点アノテーションから導かれる。
病理画像の核分割に適した自己教師付き視覚表現学習法を提案する。
論文 参考訳（メタデータ） (2022-02-16T17:08:44Z) - Cross-level Contrastive Learning and Consistency Constraint for
Semi-supervised Medical Image Segmentation [46.678279106837294]
半教師型医用画像セグメンテーションにおける局所特徴の表現能力を高めるためのクロスレベルコンストラシティブ学習手法を提案する。
クロスレベルなコントラスト学習と一貫性制約の助けを借りて、非ラベル付きデータを効果的に探索してセグメンテーション性能を向上させることができる。
論文 参考訳（メタデータ） (2022-02-08T15:12:11Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - 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) - Joint Motion Correction and Super Resolution for Cardiac Segmentation
via Latent Optimisation [18.887520377396925]
心臓画像分割のための動作補正と超解像を共同で行う新しい潜在最適化フレームワークを提案する。
2つの心MRデータセットの実験により、提案手法は最先端の超解像法に匹敵する高い性能を達成することが示された。
論文 参考訳（メタデータ） (2021-07-08T15:14:00Z) - Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。
これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。
形状と境界認識機能を利用する新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-05-27T13:54:59Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z)
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。