論文の概要: Automated Assessment of Transthoracic Echocardiogram Image Quality Using
Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2209.00976v1
- Date: Fri, 2 Sep 2022 12:15:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-05 11:56:19.776933
- Title: Automated Assessment of Transthoracic Echocardiogram Image Quality Using
Deep Neural Networks
- Title(参考訳): 深層ニューラルネットワークを用いた経胸部心エコー画像の画質自動評価
- Authors: Robert B. Labs, Apostolos Vrettos, Jonathan Loo, Massoud Zolgharni
- Abstract要約: 取得した画像の品質はオペレーターのスキルに大きく依存しており、主観的に評価される。
本研究の目的は,心エコー画像品質の客観的評価パイプラインを提供することである。
- 参考スコア(独自算出の注目度): 2.5922360296344396
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Standard views in two-dimensional echocardiography are well established but
the quality of acquired images are highly dependent on operator skills and are
assessed subjectively. This study is aimed at providing an objective assessment
pipeline for echocardiogram image quality by defining a new set of
domain-specific quality indicators. Consequently, image quality assessment can
thus be automated to enhance clinical measurements, interpretation, and
real-time optimization. We have developed deep neural networks for the
automated assessment of echocardiographic frame which were randomly sampled
from 11,262 adult patients. The private echocardiography dataset consists of
33,784 frames, previously acquired between 2010 and 2020. Deep learning
approaches were used to extract the spatiotemporal features and the image
quality indicators were evaluated against the mean absolute error. Our quality
indicators encapsulate both anatomical and pathological elements to provide
multivariate assessment scores for anatomical visibility, clarity, depth-gain
and foreshortedness, respectively.
- Abstract(参考訳): 2次元心エコー図の標準的な考え方は確立されているが、取得した画像の品質はオペレーターのスキルに大きく依存しており、主観的に評価される。
本研究の目的は,新しい領域特異的品質指標を定義することにより,心エコー図画像品質の客観的評価パイプラインを提供することである。
これにより、画像品質評価が自動化され、臨床測定、解釈、リアルタイム最適化が向上する。
11,262人の成人患者からランダムに採取した心エコー図自動評価のためのディープニューラルネットワークを開発した。
プライベート心エコー図データセットは、2010年から2020年にかけて取得された33,784フレームで構成されている。
深層学習手法を用いて時空間的特徴を抽出し,画像品質指標を平均絶対誤差に対して評価した。
品質指標は解剖学的要素と病理的要素の両方をカプセル化し,解剖学的視認性,明瞭度,深達度,前短縮度に多変量評価スコアを与える。
関連論文リスト
- Non-Reference Quality Assessment for Medical Imaging: Application to Synthetic Brain MRIs [0.0]
本研究では,3次元ResNetをトレーニングすることで脳MRI品質を評価するための,ディープラーニングに基づく新しい非参照手法を提案する。
このネットワークは、MRIスキャンでよく見られる6つの異なるアーティファクトで品質を推定するように設計されている。
その結果、歪みを正確に推定し、複数の視点から画質を反映する性能が向上した。
論文 参考訳(メタデータ) (2024-07-20T22:05:30Z) - BAND-2k: Banding Artifact Noticeable Database for Banding Detection and
Quality Assessment [52.1640725073183]
バンディングは階段のような輪郭としても知られ、圧縮または量子化アルゴリズムによって処理された画像やビデオの平坦な領域で頻繁に発生する。
これまでに2000枚のバンド化画像からなるBanding Artifact Noticeable Database (BAND-2k) という,最大のBanding IQAデータベースを構築した。
デュアル畳み込みニューラルネットワークを用いて、高周波および低周波マップから特徴表現を同時に学習する。
論文 参考訳(メタデータ) (2023-11-29T15:56:31Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳(メタデータ) (2023-07-10T01:26:48Z) - Explainable Image Quality Assessment for Medical Imaging [0.0]
質の悪い医療画像は誤診につながる可能性がある。
本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。
本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。
我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
論文 参考訳(メタデータ) (2023-03-25T14:18:39Z) - Echocardiographic Image Quality Assessment Using Deep Neural Networks [0.966840768820136]
我々の目的は、専門家が主に議論した特定の品質特性を分析し、定義することであり、そのような品質特性を客観的に評価するための完全に訓練された畳み込みニューラルネットワークモデルを提示することであった。
論文 参考訳(メタデータ) (2022-09-02T11:35:20Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳(メタデータ) (2022-06-14T10:16:54Z) - Textural-Structural Joint Learning for No-Reference Super-Resolution
Image Quality Assessment [59.91741119995321]
我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。
画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。
実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
論文 参考訳(メタデータ) (2022-05-27T09:20:06Z) - Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。
我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。
7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
論文 参考訳(メタデータ) (2022-03-15T11:52:29Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳(メタデータ) (2021-10-27T18:54:25Z) - Quality-aware Cine Cardiac MRI Reconstruction and Analysis from
Undersampled k-space Data [7.022090490184671]
本稿では、画像取得と再構成を下流タスクと組み合わせた、エンドツーエンド品質を意識した近軸短軸MRIフレームワークを提案する。
このフレームワークは、2D+t心筋MRI画像のアンダーサンプルデータからの再構成のためのディープラーニングモデルで構成されている。
以上の結果より,スライス12秒から4秒のスキャン時間で品質制御画像が作成でき,心機能パラメータの信頼性の高い推定が可能であることが示唆された。
論文 参考訳(メタデータ) (2021-09-16T13:08:54Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z)
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。