Fugu-MT 論文翻訳(概要): Automatic Segmentation of the Placenta in BOLD MRI Time Series

論文の概要: Automatic Segmentation of the Placenta in BOLD MRI Time Series

arxiv url: http://arxiv.org/abs/2208.02895v1
Date: Thu, 4 Aug 2022 21:51:10 GMT
ステータス: 処理完了
システム内更新日: 2022-08-08 12:23:11.626668
Title: Automatic Segmentation of the Placenta in BOLD MRI Time Series
Title（参考訳）: BOLD MRI 時系列における胎盤の自動分割
Authors: S. Mazdak Abulnaga, Sean I. Young, Katherine Hobgood, Eileen Pan, Clinton J. Wang, P. Ellen Grant, Esra Abaci Turk, Polina Golland
Abstract要約: BOLD MRIの胎盤を自動的に分割するU-Netニューラルネットワークアーキテクチャに基づく機械学習モデルを提案する。健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
参考スコア（独自算出の注目度）: 7.495136385800027
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Blood oxygen level dependent (BOLD) MRI with maternal hyperoxia can assess oxygen transport within the placenta and has emerged as a promising tool to study placental function. Measuring signal changes over time requires segmenting the placenta in each volume of the time series. Due to the large number of volumes in the BOLD time series, existing studies rely on registration to map all volumes to a manually segmented template. As the placenta can undergo large deformation due to fetal motion, maternal motion, and contractions, this approach often results in a large number of discarded volumes, where the registration approach fails. In this work, we propose a machine learning model based on a U-Net neural network architecture to automatically segment the placenta in BOLD MRI and apply it to segmenting each volume in a time series. We use a boundary-weighted loss function to accurately capture the placental shape. Our model is trained and tested on a cohort of 91 subjects containing healthy fetuses, fetuses with fetal growth restriction, and mothers with high BMI. We achieve a Dice score of 0.83+/-0.04 when matching with ground truth labels and our model performs reliably in segmenting volumes in both normoxic and hyperoxic points in the BOLD time series. Our code and trained model are available at https://github.com/mabulnaga/automatic-placenta-segmentation.
Abstract（参考訳）: 血中酸素濃度依存性(BOLD)MRIは胎盤内の酸素輸送を評価でき、胎盤機能の研究に有望なツールとして現れている。時間とともに変化する信号を測定するには、時系列の各ボリュームで胎盤を分割する必要がある。 BOLDタイムシリーズの大量のボリュームのため、既存の研究はすべてのボリュームを手作業で分割したテンプレートにマッピングするために登録に依存している。胎盤は胎児の動き、母体の動き、収縮によって大きな変形を受けることができるため、この手法は多くの場合、登録アプローチが失敗する大量の廃棄ボリュームをもたらす。そこで本研究では,u-netニューラルネットワークを用いた機械学習モデルを提案する。境界重み付き損失関数を用いて胎盤形状を正確に把握する。健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。我々は,地上の真理ラベルとマッチングした場合のDiceスコア0.83+/-0.04を達成し,本モデルはBOLD時系列のノルモックス点とハイパーオキシン点のセグメンテーションボリュームにおいて確実に機能する。私たちのコードとトレーニングされたモデルは、https://github.com/mabulnaga/automatic-placenta-segmentationで利用可能です。

関連論文リスト

Shape-aware Segmentation of the Placenta in BOLD Fetal MRI Time Series [9.432291446858622]
胎盤BOLD MRIのための機械学習フレームワークを提案し,それを時系列で各ボリュームのセグメント化に適用する。健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
論文参考訳（メタデータ） (2023-12-08T16:29:10Z)
Consistency Regularization Improves Placenta Segmentation in Fetal EPI MRI Time Series [8.07596084334245]
胎児発育において胎盤は重要な役割を担っている。胎児EPI MRIによる3次元胎盤分割の自動化は出生前治療の進展を約束する。本稿では,胎児のEPI MRI時系列における胎盤分割を改善するための効果的な半教師付き学習法を提案する。
論文参考訳（メタデータ） (2023-10-05T19:58:13Z)
Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance from High-Quality Isotropic Volumes [52.242103848335354]
本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
論文参考訳（メタデータ） (2023-08-13T12:51:15Z)
Learning from partially labeled data for multi-organ and tumor segmentation [102.55303521877933]
本稿では,トランスフォーマーに基づく動的オンデマンドネットワーク(TransDoDNet)を提案する。動的ヘッドにより、ネットワークは複数のセグメンテーションタスクを柔軟に達成することができる。我々はMOTSと呼ばれる大規模にラベル付けされたMulti-Organ and tumorベンチマークを作成し、他の競合相手よりもTransDoDNetの方が優れた性能を示す。
論文参考訳（メタデータ） (2022-11-13T13:03:09Z)
PIPPI2021: An Approach to Automated Diagnosis and Texture Analysis of the Fetal Liver & Placenta in Fetal Growth Restriction [0.0]
胎児成長制限 (FGR) は胎児が成長電位に達するのに失敗したことを特徴とする妊娠状態である。本研究は、胎児臓器に対するFGRの効果を検証し、概念実証として機能する。
論文参考訳（メタデータ） (2022-11-01T08:41:30Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
FetalNet: Multi-task deep learning framework for fetal ultrasound biometric measurements [11.364211664829567]
本稿では,FetalNetと呼ばれるマルチタスク・ニューラルネットワークについて,胎児超音波スキャン画像解析のためのアテンション機構とスタックモジュールを提案する。胎児超音波画像解析の主な目的は、胎児の頭部、腹部、大腿骨を測定するための適切な基準面を見つけることである。 FetalNetという手法は,胎児超音波ビデオ記録における分類とセグメント化の両面で,既存の最先端手法よりも優れている。
論文参考訳（メタデータ） (2021-07-14T19:13:33Z)
FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset [57.30136148318641]
Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法であるこれにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
論文参考訳（メタデータ） (2021-06-10T17:14:27Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文参考訳（メタデータ） (2020-04-28T14:43:05Z)
A Deep Attentive Convolutional Neural Network for Automatic Cortical Plate Segmentation in Fetal MRI [12.554154620492772]
我々は胎児脳MRIスキャンのための新しい強力なディープラーニングセグメンテーション法を開発した。本手法は,完全な畳み込みニューラルネットワークアーキテクチャにおいて,カーネルの畳み込みが混在する新しい深層抑止モジュールを利用する。本手法は, 正常および変化した胎児大脳皮質の成熟と折り畳みについて, 大規模研究を促進・促進することができる。
論文参考訳（メタデータ） (2020-04-27T14:55:22Z)

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。