Fugu-MT 論文翻訳(概要): CACTUSS: Common Anatomical CT-US Space for US examinations

論文の概要: CACTUSS: Common Anatomical CT-US Space for US examinations

arxiv url: http://arxiv.org/abs/2207.08619v1
Date: Mon, 18 Jul 2022 14:05:25 GMT
ステータス: 処理完了
システム内更新日: 2022-07-19 18:43:27.822311
Title: CACTUSS: Common Anatomical CT-US Space for US examinations
Title（参考訳）: CACTUSS:米国における一般的な解剖学的CT-US空間
Authors: Yordanka Velikova, Walter Simson, Mehrdad Salehi, Mohammad Farid Azampour, Philipp Paprottka, Nassir Navab
Abstract要約: 腹部大動脈瘤(英: Abdominal aortic aneurysm, AAA)は、大動脈の一部が拡大し、その壁を弱め、血管を破裂させる血管疾患である。近年の腹部CTデータセットは, 深部神経回路の訓練に有効である。 CACTUSSはCTとUSモダリティの間の仮想ブリッジとして機能し、自動AAAスクリーニングソノグラフィーを可能にする。
参考スコア（独自算出の注目度）: 36.45569352490318
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Abdominal aortic aneurysm (AAA) is a vascular disease in which a section of the aorta enlarges, weakening its walls and potentially rupturing the vessel. Abdominal ultrasound has been utilized for diagnostics, but due to its limited image quality and operator dependency, CT scans are usually required for monitoring and treatment planning. Recently, abdominal CT datasets have been successfully utilized to train deep neural networks for automatic aorta segmentation. Knowledge gathered from this solved task could therefore be leveraged to improve US segmentation for AAA diagnosis and monitoring. To this end, we propose CACTUSS: a common anatomical CT-US space, which acts as a virtual bridge between CT and US modalities to enable automatic AAA screening sonography. CACTUSS makes use of publicly available labelled data to learn to segment based on an intermediary representation that inherits properties from both US and CT. We train a segmentation network in this new representation and employ an additional image-to-image translation network which enables our model to perform on real B-mode images. Quantitative comparisons against fully supervised methods demonstrate the capabilities of CACTUSS in terms of Dice Score and diagnostic metrics, showing that our method also meets the clinical requirements for AAA scanning and diagnosis.
Abstract（参考訳）: 腹部大動脈瘤 (AAA) は、大動脈の一部が拡大し、その壁を弱め、血管を破裂させる血管疾患である。腹部超音波検査は診断に用いられてきたが、画像の質や操作性が限られており、ctスキャンはモニタリングや治療計画に必須である。近年,腹部ctデータセットを用いた深部ニューラルネットワークの自動大動脈分画訓練が成功している。この課題から得られた知識は、AAAの診断とモニタリングのためにアメリカのセグメンテーションを改善するために活用できる。そこで本研究では,CTとUSモダリティの仮想ブリッジとして機能する共通の解剖学的CT-US空間であるCACTUSSを提案する。 CACTUSSは、米国とCTの両方のプロパティを継承する仲介者表現に基づいて、公開ラベル付きデータを使用してセグメントを学ぶ。新しい表現でセグメンテーションネットワークを訓練し、実際のbモード画像上でモデルが実行できるようにする、画像から画像への翻訳ネットワークを付加する。完全に監督された方法に対する定量的比較は,diceスコアと診断指標の観点でサボテンの能力を示し,aaaスキャンと診断の臨床的要件も満たしていることを示す。

関連論文リスト

Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文参考訳（メタデータ） (2024-08-09T15:10:34Z)
Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
論文参考訳（メタデータ） (2024-06-06T14:15:15Z)
Coronary artery segmentation in non-contrast calcium scoring CT images using deep learning [2.2687766762329886]
非コントラスト心エコー画像における冠状動脈のセグメンテーションのためのディープラーニングアルゴリズムを提案する。テストGTを作成するために,手動メッシュ画像登録のための新しい手法を提案する。実験結果から,トレーニングに使用するGTよりもトレーニングモデルの精度が有意に高く,相互変動に近いDiceとclDiceの測定値が得られた。
論文参考訳（メタデータ） (2024-03-04T23:40:02Z)
Enabling Augmented Segmentation and Registration in Ultrasound-Guided Spinal Surgery via Realistic Ultrasound Synthesis from Diagnostic CT Volume [19.177141722698188]
術中臨床USデータの不足は、ニューラルネットワークのトレーニングにおいて、克服不可能なボトルネックとなっている。 In silico bone US simulation framework that really US image from diagnosis CT volume。脊椎超音波検査のための骨分割を高精度かつオンザフライで実現できる軽量な視覚変換器モデルを訓練する。
論文参考訳（メタデータ） (2023-01-05T07:28:06Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
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)
Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文参考訳（メタデータ） (2020-12-10T04:01:07Z)
Esophageal Tumor Segmentation in CT Images using Dilated Dense Attention Unet (DDAUnet) [3.0929226049096217]
畳み込みニューラルネットワーク(CNN)を用いた食道癌全自動切除法を提案する。提案するネットワークはDilated Dense Attention Unet (DDAUnet) と呼ばれ、各密ブロックにおける空間的およびチャネル的注意力を活用して、決定的特徴写像と領域に選択的に集中する。
論文参考訳（メタデータ） (2020-12-06T11:42:52Z)
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。