論文の概要: Automated recognition of the pericardium contour on processed CT images
using genetic algorithms
- arxiv url: http://arxiv.org/abs/2208.14375v1
- Date: Tue, 30 Aug 2022 16:35:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-31 12:27:41.117512
- Title: Automated recognition of the pericardium contour on processed CT images
using genetic algorithms
- Title（参考訳）: 遺伝的アルゴリズムを用いたCT画像における心膜輪郭の自動認識
- Authors: E. O. Rodrigues and L. O. Rodrigues and L. S. N. Oliveira and A. Conci
and P. Liatsis
- Abstract要約: 本稿では,ヒト心臓の心膜輪郭の追跡と認識に遺伝的アルゴリズム(GA)を用いることを提案する。
最適なエリプスは心膜輪郭に近づき、心臓の心膜脂肪と縦隔脂肪を適切に分離するものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work proposes the use of Genetic Algorithms (GA) in tracing and
recognizing the pericardium contour of the human heart using Computed
Tomography (CT) images. We assume that each slice of the pericardium can be
modelled by an ellipse, the parameters of which need to be optimally
determined. An optimal ellipse would be one that closely follows the
pericardium contour and, consequently, separates appropriately the epicardial
and mediastinal fats of the human heart. Tracing and automatically identifying
the pericardium contour aids in medical diagnosis. Usually, this process is
done manually or not done at all due to the effort required. Besides, detecting
the pericardium may improve previously proposed automated methodologies that
separate the two types of fat associated to the human heart. Quantification of
these fats provides important health risk marker information, as they are
associated with the development of certain cardiovascular pathologies. Finally,
we conclude that GA offers satisfiable solutions in a feasible amount of
processing time.
- Abstract（参考訳）: 本研究は,CT画像を用いたヒト心臓の心膜輪郭の追跡と認識における遺伝的アルゴリズム(GA)の利用を提案する。
腹膜の各スライスは楕円形でモデル化でき、そのパラメータは最適に決定する必要があると仮定する。
最適な楕円体は心膜輪郭に沿っており、それによって心臓の心外膜脂肪と縦隔脂肪を適切に分離する。
医療診断における心膜輪郭補充剤の追跡と自動同定
通常、このプロセスは、必要な労力のために手動で行われるか、まったく行われない。
さらに、心膜検出は、ヒト心臓に関連する2種類の脂肪を分離する以前に提案された自動化方法を改善する可能性がある。
これらの脂肪の定量化は、特定の循環器疾患の発生に関連する重要な健康リスクマーカー情報を提供する。
最後に,GAは処理時間に十分満足できる解を提供すると結論づける。
関連論文リスト
- Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。
心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。
本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文 参考訳（メタデータ） (2024-10-08T10:03:52Z) - 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) - Digital twinning of cardiac electrophysiology models from the surface
ECG: a geodesic backpropagation approach [39.36827689390718]
逆等角問題の解法としてGeodesic-BPを提案する。
その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。
パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
論文 参考訳（メタデータ） (2023-08-16T14:57:12Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Cardiac Adipose Tissue Segmentation via Image-Level Annotations [8.705311618392368]
我々は,ヒト心基質のCT画像に画像レベルのアノテーションを用いた心脂肪組織分画のための2段階の深層学習フレームワークを開発した。
本研究は, 自動組織解析の需要と高品質な画素アノテーションの欠如とのギャップを埋めるものである。
論文 参考訳（メタデータ） (2022-06-09T02:55:35Z) - 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) - Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。
心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
論文 参考訳（メタデータ） (2021-12-03T16:09:32Z) - Automatic Identification of the End-Diastolic and End-Systolic Cardiac
Frames from Invasive Coronary Angiography Videos [6.203906656404265]
侵襲的冠動脈造影検査において, エンド拡張期(ED)とエンド収縮期(ES)の適切な画像フレームの同定が重要である。
現在の識別法は主に視覚的解釈に依存しており、時間だけでなく再現性も低い。
そこで本研究では,鍵血管点の軌跡を用いて,EDとESの心期に関連する血管画像フレームを自動的に同定する手法を提案する。
論文 参考訳（メタデータ） (2021-10-06T15:16:55Z) - 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) - Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。
これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。
形状と境界認識機能を利用する新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-05-27T13:54:59Z) - 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)
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。