論文の概要: Cardiac Segmentation using Transfer Learning under Respiratory Motion Artifacts

• arxiv url: http://arxiv.org/abs/2209.09714v1
• Date: Tue, 20 Sep 2022 13:41:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 19:20:07.785463
• Title: Cardiac Segmentation using Transfer Learning under Respiratory Motion Artifacts
• Title（参考訳）: 呼吸運動人工物を用いた伝達学習による心臓の分節
• Authors: Carles Garcia-Cabrera, Eric Arazo, Kathleen M. Curran, Noel E. O'Connor and Kevin McGuinness
• Abstract要約: 心臓磁気共鳴画像(MRI)のアーチファクトに対する耐性を保ちながら、心室セグメンテーションを行う手法は、それらの組織の構造的および機能的解析の質を保証するために重要である。 本研究では,これらのアーティファクトに対する従来の手法のレジリエンスを改善するために,事前学習ネットワークの微調整について検討する。
• 参考スコア（独自算出の注目度）: 14.97302506714402
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Methods that are resilient to artifacts in the cardiac magnetic resonance imaging (MRI) while performing ventricle segmentation, are crucial for ensuring quality in structural and functional analysis of those tissues. While there has been significant efforts on improving the quality of the algorithms, few works have tackled the harm that the artifacts generate in the predictions. In this work, we study fine tuning of pretrained networks to improve the resilience of previous methods to these artifacts. In our proposed method, we adopted the extensive usage of data augmentations that mimic those artifacts. The results significantly improved the baseline segmentations (up to 0.06 Dice score, and 4mm Hausdorff distance improvement).
• Abstract（参考訳）: 心臓磁気共鳴画像(MRI)のアーチファクトに対する耐性を保ちながら心室セグメンテーションを行う手法は、それらの組織の構造的および機能的解析の質を保証するために重要である。 アルゴリズムの品質向上には大きな取り組みがあったが、予測において人工物が生み出す害に対処する研究はほとんどない。 本研究では,これらのアーティファクトに対する従来の手法のレジリエンスを改善するために,事前学習ネットワークの微調整について検討する。 提案手法では,これらのアーティファクトを模倣するデータ拡張を広範囲に活用した。 その結果、ベースラインセグメンテーション(最大0.06 diceスコア、4mmハウスドルフ距離改善)が大幅に改善した。

関連論文リスト

• A Novel Momentum-Based Deep Learning Techniques for Medical Image Classification and Segmentation [3.268679466097746]
  医療画像から臓器を正確に分割することは、コンピュータによる診断と介入計画にとって重要な前提条件である。 本研究は,CTおよびMRIスキャンから様々な臓器を抽出し,疾患を分類するための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-08-11T04:12:35Z)
• The Challenge of Fetal Cardiac MRI Reconstruction Using Deep Learning [11.809564612082935]
  ディープラーニング手法は、kt-SENSE取得戦略の最適化と、非ゲートkt-SENSE再構築品質の向上に役立つ。 そこで本研究では,kt-SENSEスタイルの取得したデータをインビボの広範囲なデータセットを用いて再構成するための教師付きディープラーニングネットワークについて検討する。 本研究は,母体解剖の詳細な描写を大規模に再現するが,胎児心臓の動的特性は低発現であることを示す。
  論文  参考訳（メタデータ） (2023-08-15T17:22:42Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Simultaneous super-resolution and motion artifact removal in diffusion-weighted MRI using unsupervised deep learning [23.33029012277273]
  解像度を高め,同時にモーションアーティファクトを除去できる,完全教師なしの品質向上方式を提案する。 提案手法は, 教師なし学習を用いたmriの文脈において, 超解像と運動アーティファクトの補正を同時に行う最初の方法である。
  論文  参考訳（メタデータ） (2021-05-01T13:13:53Z)
• Assessing Lesion Segmentation Bias of Neural Networks on Motion Corrupted Brain MRI [3.9694334747397484]
  病変分割タスクに係わるニューラルネットワークの性能に、異なるレベルの運動アーティファクトが与える影響を定量化する。 この結果から,カリキュラム学習を用いて学習したネットワークは,異なるレベルの運動アーティファクトの補償に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-12T21:06:40Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)
• Automatic Data Augmentation via Deep Reinforcement Learning for Effective Kidney Tumor Segmentation [57.78765460295249]
  医用画像セグメンテーションのための新しい学習ベースデータ拡張法を開発した。 本手法では,データ拡張モジュールと後続のセグメンテーションモジュールをエンドツーエンドのトレーニング方法で一貫した損失と,革新的に組み合わせる。 提案法の有効性を検証したCT腎腫瘍分節法について,本法を広範囲に評価した。
  論文  参考訳（メタデータ） (2020-02-22T14:10:13Z)

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。