論文の概要: Body Composition Assessment with Limited Field-of-view Computed Tomography: A Semantic Image Extension Perspective

• arxiv url: http://arxiv.org/abs/2207.06551v2
• Date: Sun, 16 Apr 2023 00:40:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 00:35:00.756933
• Title: Body Composition Assessment with Limited Field-of-view Computed Tomography: A Semantic Image Extension Perspective
• Title（参考訳）: 有限視野CTによる身体組成評価:意味的画像拡張の観点から
• Authors: Kaiwen Xu, Thomas Li, Mirza S. Khan, Riqiang Gao, Sanja L. Antic, Yuankai Huo, Kim L. Sandler, Fabien Maldonado, Bennett A. Landman
• Abstract要約: Field-of-view (FOV) tissue truncation beyond the lungs is common in routine lung screening Computed tomography (CT) 本研究では,入力として画像データのみを必要とする意味的画像拡張の観点から問題を定式化する。 提案した2段階法は, 完全体の推定範囲に基づいて新しいFOV境界を同定し, 脱落した領域の欠損組織を溶出する。
• 参考スコア（独自算出の注目度）: 5.373119949253442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Field-of-view (FOV) tissue truncation beyond the lungs is common in routine lung screening computed tomography (CT). This poses limitations for opportunistic CT- based body composition (BC) assessment as key anatomical structures are missing. Traditionally, extending the FOV of CT is considered as a CT reconstruction problem using limited data. However, this approach relies on the projection domain data which might not be available in application. In this work, we formulate the problem from the semantic image extension perspective which only requires image data as inputs. The proposed two-stage method identifies a new FOV border based on the estimated extent of the complete body and imputes missing tissues in the truncated region. The training samples are simulated using CT slices with complete body in FOV, making the model development self-supervised. We evaluate the validity of the proposed method in automatic BC assessment using lung screening CT with limited FOV. The proposed method effectively restores the missing tissues and reduces BC assessment error introduced by FOV tissue truncation. In the BC assessment for a large-scale lung screening CT dataset, this correction improves both the intra-subject consistency and the correlation with anthropometric approximations. The developed method is available at https://github.com/MASILab/S-EFOV.
• Abstract（参考訳）: Field-of-view (FOV) 組織切り離しは、通常肺検診(CT)において一般的である。 このことは、重要な解剖学的構造が欠落しているとして、オパチュニストCTベースの身体組成(BC)の評価に限界をもたらす。 従来,CTのFOVを拡張することは,限られたデータを用いたCT再構成問題と考えられてきた。 しかし、このアプローチはアプリケーションでは利用できないプロジェクションドメインデータに依存します。 本研究では,画像データを入力としてのみ要求する意味的画像拡張の観点から問題を定式化する。 提案した2段階法は,全体の推定範囲に基づいて新しいFOV境界を同定し,脱落した領域の欠損組織を刺激する。 トレーニングサンプルは、FOVで完全な体を持つCTスライスを用いてシミュレーションされ、モデル開発を自己監督する。 FOVを限定した肺検診CTを用いたBCG自動評価における提案手法の有効性を検討した。 提案法は欠損組織を効果的に修復し,FOV組織切断によるBC評価誤差を低減する。 BCによる大規模肺検診用CTデータセットの評価では、この補正により、オブジェクト内一貫性と人為的近似との相関が向上する。 開発方法はhttps://github.com/MASILab/S-EFOV.comで公開されている。

関連論文リスト

• Beyond the Lungs: Extending the Field of View in Chest CT with Latent Diffusion Models [15.573780808103985]
  ヒトの肺と肝臓や腎臓などの他の臓器の間の仲介は、肺疾患の根本的なリスクと影響を理解するために不可欠である。 ほとんどの研究で胸部CT像は、費用と放射線線量を考慮して肺のみに焦点を当てている。 この制限された視野は、包括的な分析に挑戦し、肺疾患が他の臓器に与える影響についての洞察を得ることを妨げる。
  論文  参考訳（メタデータ） (2025-01-22T18:28:18Z)
• Epi-NAF: Enhancing Neural Attenuation Fields for Limited-Angle CT with Epipolar Consistency Conditions [13.793995728900779]
  X線投影画像における対応するエピポーラ線間の整合条件に基づく新しい損失項を提案する。 Epi-NAFは、制限角度範囲内の入力ビューから、全コーンビームCT範囲の予測投影への監督を伝播する。 この損失は, ベースライン法と比較して, 定性的, 定量的に改善した。
  論文  参考訳（メタデータ） (2024-11-09T13:48:34Z)
• Diffusion-based Generative Image Outpainting for Recovery of FOV-Truncated CT Images [10.350643783811174]
  truncated chest CT のフィールド・オブ・ビュー (FOV) 回復は, 正確な体組成解析に不可欠である。 生成画像のアウトペイントを用いて, 切り抜きCTスライスを復元する手法を提案する。 我々のモデルは,87%の少ないデータでトレーニングされているにもかかわらず,切り離された解剖学を確実に回復し,過去の最先端を上回ります。
  論文  参考訳（メタデータ） (2024-06-07T09:15:29Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Zero-shot CT Field-of-view Completion with Unconditional Generative Diffusion Prior [4.084687005614829]
  解剖学的に一貫した視野 (FOV) の完成により, 縮小した身体部位を復元する手法は, FOVを限定したCTの定量的解析に重要である。 既存の条件生成モデルに基づく解法は、学習段階における合成トランケーションパターンの忠実度に依存しており、この方法が未知のトランケーションの潜在的な種類に一般化可能であることを制限している。 本研究では,事前訓練された非条件生成拡散に基づくゼロショット法の評価を行った。
  論文  参考訳（メタデータ） (2023-04-07T17:54:40Z)
• Anatomically constrained CT image translation for heterogeneous blood vessel segmentation [3.88838725116957]
  造影CT(ceCT)画像の解剖学的構造は, 造影剤拡散の変動により, 分画が困難になる可能性がある。 放射線線量を制限するために、生成モデルは1つのモダリティを合成するために用いられる。 CycleGANは、ペアデータの必要性を軽減するため、特に注目を集めている。 本稿では,高忠実度画像を生成するためのCycleGANの拡張について述べる。
  論文  参考訳（メタデータ） (2022-10-04T16:14:49Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• Deep Residual 3D U-Net for Joint Segmentation and Texture Classification of Nodules in Lung [91.3755431537592]
  肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。 提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
  論文  参考訳（メタデータ） (2020-06-25T07:20:41Z)
• 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)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。