論文の概要: Temporal extrapolation of heart wall segmentation in cardiac magnetic resonance images via pixel tracking

• arxiv url: http://arxiv.org/abs/2208.00165v1
• Date: Sat, 30 Jul 2022 08:23:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 14:35:32.227696
• Title: Temporal extrapolation of heart wall segmentation in cardiac magnetic resonance images via pixel tracking
• Title（参考訳）: ピクセル追跡による心筋磁気共鳴画像の心壁分節の時間的外挿
• Authors: Arash Rabbani, Hao Gao, Dirk Husmeier
• Abstract要約: 心磁気共鳴画像における心室分画マスクの時間外挿のための画素追跡法を調整した。 画素追跡プロセスは、手動分割画像を用いて、心臓周期の終末期フレームから開始し、終末期分割マスクを予測する。 提案手法が必ずしもトレーニングデータセットを必要としないことを考えると,訓練データに制限のあるシナリオにおいて,ディープラーニングセグメンテーション手法の魅力的な代替手段となる可能性がある。
• 参考スコア（独自算出の注目度）: 2.62980689119077
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we have tailored a pixel tracking method for temporal extrapolation of the ventricular segmentation masks in cardiac magnetic resonance images. The pixel tracking process starts from the end-diastolic frame of the heart cycle using the available manually segmented images to predict the end-systolic segmentation mask. The superpixels approach is used to divide the raw images into smaller cells and in each time frame, new labels are assigned to the image cells which leads to tracking the movement of the heart wall elements through different frames. The tracked masks at the end of systole are compared with the already available manually segmented masks and dice scores are found to be between 0.81 to 0.84. Considering the fact that the proposed method does not necessarily require a training dataset, it could be an attractive alternative approach to deep learning segmentation methods in scenarios where training data are limited.
• Abstract（参考訳）: 本研究では,心磁気共鳴画像における心室セグメンテーションマスクの時間的外挿のための画素追跡法を考案した。 画素追跡プロセスは、利用可能な手作業で区切られた画像を用いて、心周期の末期ダイアストリックフレームから始まり、終端シストリックセグメンテーションマスクを予測する。 superpixelsアプローチは、rawイメージを小さなセルに分割するために使用され、各タイムフレームで新しいラベルが画像セルに割り当てられ、異なるフレームを通して心臓壁要素の移動を追跡する。 サイストルの端にある追跡マスクは、既に手動で手動のセグメンテーションマスクと比較され、ダイススコアは0.81から0.84である。 提案手法が必ずしもトレーニングデータセットを必要としないことを考えると,訓練データに制限のあるシナリオにおいて,ディープラーニングセグメンテーション手法の魅力的な代替手段となる可能性がある。

関連論文リスト

• Compositional Segmentation of Cardiac Images Leveraging Metadata [0.508267104652645]
  心機能評価と心構造変化の経時的モニタリングには,心像のセグメンテーションが不可欠である。 本研究では,心画像中の心臓を同時に局所化し,興味のある領域のパートベースセグメンテーションを行う,新しい構成セグメンテーション手法を提案する。 また,画像取得時に収集した心筋画像に関連するメタデータを活用するために,新しいクロスモーダル・フィーチャー・インテグレーション(CMFI)モジュールを提案する。
  論文  参考訳（メタデータ） (2024-10-30T15:41:35Z)
• Semi-Supervised Semantic Segmentation Based on Pseudo-Labels: A Survey [49.47197748663787]
  本総説は, 半教師付きセマンティックセグメンテーション分野における擬似ラベル手法に関する最新の研究成果について, 包括的かつ組織的に概観することを目的としている。 さらに,医用およびリモートセンシング画像のセグメンテーションにおける擬似ラベル技術の適用について検討する。
  論文  参考訳（メタデータ） (2024-03-04T10:18:38Z)
• Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
  ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。 本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
  論文  参考訳（メタデータ） (2023-12-22T02:31:31Z)
• Unsupervised Segmentation of Fetal Brain MRI using Deep Learning Cascaded Registration [2.494736313545503]
  従来の深層学習に基づく自動セグメンテーションは、グランドトラストラベルによる広範なトレーニングデータを必要とする。 ラベル付きデータに頼らずに複数の組織を正確にセグメンテーションするマルチアトラスセグメンテーションに基づく新しい手法を提案する。 提案手法では,3次元画像登録のためのカスケード深層学習ネットワークを用いて,移動画像への小さなインクリメンタルな変形を計算し,それを固定画像と正確に整合させる。
  論文  参考訳（メタデータ） (2023-07-07T13:17:12Z)
• Joint segmentation and discontinuity-preserving deformable registration: Application to cardiac cine-MR images [74.99415008543276]
  多くの深層学習に基づく登録法は、変形場は画像領域の至る所で滑らかで連続的であると仮定する。 本研究では,この課題に対処するために,不連続かつ局所的に滑らかな変形場を確保するための新しい不連続保存画像登録手法を提案する。 入力画像の構造的相関を学習するために,ネットワークのセグメンテーション成分にコアテンションブロックを提案する。 大規模心磁気共鳴画像系列を用いた物体内時間画像登録の課題について検討した。
  論文  参考訳（メタデータ） (2022-11-24T23:45:01Z)
• Deep Statistic Shape Model for Myocardium Segmentation [10.381467202920303]
  本稿では, 形状整合性と境界対応性の両方を保ち, 心筋セグメンテーションに焦点をあてる新しいエンド・ツー・エンドの深部統計形状モデルを提案する。 ディープニューラルネットワークは変換パラメータを予測するために使用され、平均点雲を画像領域にワープするために使用される。 より正確なポイントクラウドを学ぶために、マスク監視をフレームワークに組み込むために、差別化可能なレンダリング層が導入されている。
  論文  参考訳（メタデータ） (2022-07-21T17:01:24Z)
• Pseudo-label Guided Cross-video Pixel Contrast for Robotic Surgical Scene Segmentation with Limited Annotations [72.15956198507281]
  シーンセグメンテーションを促進するために,新しい擬似ラベル付きクロスビデオコントラスト学習法であるPGV-CLを提案する。 本研究では,ロボット外科手術データセットEndoVis18と白内障手術データセットCaDISについて検討した。
  論文  参考訳（メタデータ） (2022-07-20T05:42:19Z)
• Learning To Segment Dominant Object Motion From Watching Videos [72.57852930273256]
  我々は,有意な移動物体セグメンテーションのための単純なフレームワークを構想する。このフレームワークは,有意なデータを必要としないし,有意な前処理や事前学習された光フローマップに依存しない。 層状画像表現に着想を得て,アフィンパラメトリックの動きに応じて画素領域をグループ化する手法を提案する。 これにより、トレーニングと推論の両方の入力として、RGBイメージペアのみを使用して、支配的なフォアグラウンドオブジェクトのセグメンテーションを学習することができる。
  論文  参考訳（メタデータ） (2021-11-28T14:51:00Z)
• Left Ventricle Contouring in Cardiac Images Based on Deep Reinforcement Learning [0.12891210250935145]
  本稿では,エージェント強化学習に基づく医用画像のインタラクティブセグメンテーション手法を提案する。 我々は,ある順序で対象輪郭を描画する動的過程を,深い強化学習法に基づくマルコフ決定過程(MDP)としてモデル化する。 実験の結果, 少数の医用画像データセットにおいて, 左室のセグメンテーション効果は良好であった。
  論文  参考訳（メタデータ） (2021-06-08T06:30:32Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray Images [0.0]
  医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。 本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
  論文  参考訳（メタデータ） (2020-07-01T20:48:35Z)

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。