Fugu-MT 論文翻訳(概要): Post-processing of coronary and myocardial spatial data

論文の概要: Post-processing of coronary and myocardial spatial data

arxiv url: http://arxiv.org/abs/2207.14624v3
Date: Tue, 18 Feb 2025 14:37:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-19 14:01:29.105917
Title: Post-processing of coronary and myocardial spatial data
Title（参考訳）: 冠動脈および心筋空間データのポストプロセッシング
Authors: Jay Aodh Mackenzie, Megan Jeanne Miller, Nicholas Hill, Mette Olufsen,
Abstract要約: ヘモダイナミックス(英: haemodynamics)とは、血液の流れを流れる血管網である。ネットワーク全体の血流を明示的にシミュレートすることは、計算的に不可能である。我々は,部分冠状動脈ツリーを表すグラフから心筋の血行動態シミュレーションの計算領域を得るためのデータパイプラインを開発した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Numerical simulations of real-world phenomena require a computational scheme and a computational domain. In the context of haemodynamics, the computational domain is the blood vessel network through which blood flows. Such networks contain millions of vessels that are joined in series and in parallel. It is computationally unfeasible to explicitly simulate blood flow throughout the network. From a single porcine left coronary arterial tree, we develop a data pipeline to obtain computational domains for haemodynamic simulations in the myocardium from a graph representing a partial coronary arterial tree. In addition, we develop a method to ascertain which subregions of the left-ventricular wall are more likely to be perfused via a given artery, using a comparison with the American Heart Association division of the left ventricle for validation.
Abstract（参考訳）: 実世界の現象の数値シミュレーションには、計算スキームと計算領域が必要である。血行動態の文脈では、計算領域は血管ネットワークであり、血液が流れる。このようなネットワークには、連続して並列に結合される数百万の船が含まれている。ネットワーク全体の血流を明示的にシミュレートすることは、計算的に不可能である。ブタ左冠状動脈枝1本から,部分冠状動脈幹を表わすグラフから心筋の血行動態シミュレーションの計算領域を得るためのデータパイプラインを開発した。さらに,左室壁のサブリージョンが,左室のAmerican Heart Association部門との比較により,特定の動脈を介して灌流されやすいかを確認する方法を開発した。

関連論文リスト

Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文参考訳（メタデータ） (2024-10-15T12:24:50Z)
Physics-informed graph neural networks for flow field estimation in carotid arteries [2.0437999068326276]
循環動態量は動脈硬化などの循環器疾患にとって貴重なバイオメディカルリスク因子である。本研究では,機械学習を利用した血行動態場推定のための代理モデルを作成する。私たちは、基礎となる対称性と物理に関する事前情報を含むグラフニューラルネットワークをトレーニングし、トレーニングに必要なデータ量を制限する。このことは、物理インフォームドグラフニューラルネットワークを4次元フローMRIデータを用いてトレーニングすることで、見えない頸動脈領域の血流を推定できることを示している。
論文参考訳（メタデータ） (2024-08-13T13:09:28Z)
Reconstructing Blood Flow in Data-Poor Regimes: A Vasculature Network Kernel for Gaussian Process Regression [2.9998889086656586]
非ユークリッド空間である血管ネットワーク内のカーネルを再構築する新しい手法を提案する。提案したカーネルは、時間的および血管間相関を符号化し、直接測定を欠いた血管における血流の再構築を可能にする。本研究は, 単純Y字型分岐術, 腹部大動脈, ウィリス円の3症例において, モデルの性能を実証するものである。
論文参考訳（メタデータ） (2024-03-14T15:41:15Z)
Image2Flow: A hybrid image and graph convolutional neural network for rapid patient-specific pulmonary artery segmentation and CFD flow field calculation from 3D cardiac MRI data [0.0]
この研究では、パブリックデータセットとプライベートデータセットの両方から135個の3D心筋MRIを使用した。 Image2Flowは、ハイブリッド画像とグラフ畳み込みニューラルネットワークで、肺動脈テンプレートを患者固有の解剖学とCFD値に変換するために訓練された。
論文参考訳（メタデータ） (2024-02-28T11:01:14Z)
A Conditional Flow Variational Autoencoder for Controllable Synthesis of Virtual Populations of Anatomy [76.20367415712867]
本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。 2360例の心左心室データを用いた条件流VAEの性能について検討した。
論文参考訳（メタデータ） (2023-06-26T13:23:52Z)
Understanding of Normal and Abnormal Hearts by Phase Space Analysis and Convolutional Neural Networks [0.0]
彼のPurkinjeネットワークは、正常な人間の心臓のパワースペクトルを分析するのに使われている。 CNNs法はMLIIで記録されたMIT-BIHデータベースを介して44レコードに適用される。バイナリCNN分類は、健康な心臓または不健康な心臓を決定するために用いられる。
論文参考訳（メタデータ） (2023-05-16T19:52:40Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
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)
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)
Diffusion Earth Mover's Distance and Distribution Embeddings [61.49248071384122]
拡散は$tildeo(n)$ timeで計算でき、ツリーベースのような同様の高速アルゴリズムよりも正確である。拡散は完全微分可能であり、深層ニューラルネットワークのような勾配拡散フレームワークの将来の使用に適している。
論文参考訳（メタデータ） (2021-02-25T13:18:32Z)
clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文参考訳（メタデータ） (2020-03-16T16:27:49Z)

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。