論文の概要: Learning to estimate a surrogate respiratory signal from cardiac motion by signal-to-signal translation

• arxiv url: http://arxiv.org/abs/2208.01034v1
• Date: Wed, 20 Jul 2022 20:22:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-07 14:28:41.804461
• Title: Learning to estimate a surrogate respiratory signal from cardiac motion by signal-to-signal translation
• Title（参考訳）: 信号-信号-信号変換による心臓運動からの呼吸信号推定の学習
• Authors: Akshay Iyer, Clifford Lindsay, Hendrik Pretorius, Michael King
• Abstract要約: 我々は、SPECT画像のセグメント化から発生するノイズのある動き信号を高品質なサロゲート信号に変換するニューラルネットワークベースの手法を開発した。 この合成サロゲートは、EMTサロゲート信号のために開発された既存の動作補正手法の入力として使用される。
• 参考スコア（独自算出の注目度）: 0.688204255655161
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this work, we develop a neural network-based method to convert a noisy motion signal generated from segmenting rebinned list-mode cardiac SPECT images, to that of a high-quality surrogate signal, such as those seen from external motion tracking systems (EMTs). This synthetic surrogate will be used as input to our pre-existing motion correction technique developed for EMT surrogate signals. In our method, we test two families of neural networks to translate noisy internal motion to external surrogate: 1) fully connected networks and 2) convolutional neural networks. Our dataset consists of cardiac perfusion SPECT acquisitions for which cardiac motion was estimated (input: center-of-count-mass - COM signals) in conjunction with a respiratory surrogate motion signal acquired using a commercial Vicon Motion Tracking System (GT: EMT signals). We obtained an average R-score of 0.76 between the predicted surrogate and the EMT signal. Our goal is to lay a foundation to guide the optimization of neural networks for respiratory motion correction from SPECT without the need for an EMT.
• Abstract（参考訳）: 本研究では,リバインドされたリストモードSPECT画像から発生するノイズのある動作信号を,外部モーショントラッキングシステム(EMT)から見られるような高品質な代理信号に変換するニューラルネットワークベースの手法を開発した。 この合成サロゲートは、EMTサロゲート信号のために開発された既存の動作補正手法の入力として使用される。 提案手法では,ノイズのある内部動作を外部のサーロゲートに変換するために,ニューラルネットワークの2つのファミリーをテストする。 1)完全接続ネットワーク及び 2)畳み込みニューラルネットワーク。 本データセットは,心動を推定した心血流SPECT(心電図)と,市販のVicon Motion Tracking System (GT: EMT signal) を用いて取得した呼吸補助運動信号とを併用して作成した。 予測サロゲートとEMT信号間の平均Rスコアは0.76であった。 我々の目標は、EMTを必要とせず、SPECTからの呼吸運動補正のためのニューラルネットワークの最適化をガイドする基盤を構築することである。

関連論文リスト

• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment [69.02116920364311]
  既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。 本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。 提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-09T05:57:01Z)
• Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction [21.261567937245808]
  本研究は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と整合するようにネットワークを適合させる再構築手法を提案する。 提案手法は,最先端の未訓練畳み込みニューラルネットワークと同等あるいはわずかに優れた画像品質を実現する。
  論文  参考訳（メタデータ） (2023-05-11T14:14:30Z)
• Streaming Audio-Visual Speech Recognition with Alignment Regularization [69.30185151873707]
  本稿では,ハイブリッド接続型時間分類(CTC)/アテンションニューラルネットワークアーキテクチャに基づくストリーミングAV-ASRシステムを提案する。 提案したAV-ASRモデルは、オフラインおよびオンライン設定でLip Reading Sentences 3データセット上で、WERの2.0%と2.6%を達成する。
  論文  参考訳（メタデータ） (2022-11-03T20:20:47Z)
• Upper Limb Movement Recognition utilising EEG and EMG Signals for Rehabilitative Robotics [0.0]
  上肢運動分類のための新しい決定レベル多センサ融合手法を提案する。 システムは脳波信号をEMG信号と統合し、両方の情報源から効果的な情報を取得し、ユーザの欲求を理解し予測する。
  論文  参考訳（メタデータ） (2022-07-18T14:51:23Z)
• Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural Network [1.869097450593631]
  本稿では,32チャネル脳波信号から手動動作ビズGALを検出する手法を自動化した。 提案したパイプラインは、基本的には前処理とエンドツーエンド検出ステップを組み合わせたもので、手作りの機能エンジニアリングの必要性を排除している。
  論文  参考訳（メタデータ） (2022-02-12T19:27:06Z)
• End-to-end translation of human neural activity to speech with a dual-dual generative adversarial network [39.014888541156296]
  人間の神経活動を直接音声に翻訳するエンド・ツー・エンドモデルを提案する。 参加者の注意を引くための新しい脳波データセット(EEG)を作成します。 提案手法は,ニューラルアクティビティの単語長と文長のシーケンスを音声に翻訳する。
  論文  参考訳（メタデータ） (2021-10-13T10:54:41Z)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Atrial Fibrillation Detection and ECG Classification based on CNN-BiLSTM [3.1372269816123994]
  心電図(ECG)信号から心疾患を視覚的に検出することは困難である。 自動心電図信号検出システムを実装することにより,不整脈の診断精度を向上させることができる。
  論文  参考訳（メタデータ） (2020-11-12T04:20:56Z)

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。