Fugu-MT 論文翻訳(概要): Reducing Positional Variance in Cross-sectional Abdominal CT Slices with Deep Conditional Generative Models

論文の概要: Reducing Positional Variance in Cross-sectional Abdominal CT Slices with Deep Conditional Generative Models

arxiv url: http://arxiv.org/abs/2209.14467v1
Date: Wed, 28 Sep 2022 23:13:06 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 17:56:28.697478
Title: Reducing Positional Variance in Cross-sectional Abdominal CT Slices with Deep Conditional Generative Models
Title（参考訳）: 深部条件生成モデルを用いた腹部ctスライスにおける位置ばらつきの低減
Authors: Xin Yu, Qi Yang, Yucheng Tang, Riqiang Gao, Shunxing Bao, LeonY. Cai, Ho Hin Lee, Yuankai Huo, Ann Zenobia Moore, Luigi Ferrucci, Bennett A. Landman
Abstract要約: 2D低用量腹部CTスライスにより,体組成の直接測定が可能となった。 2次元腹部スライスを用いた体組成変化の経時的解析は,異なる年で得られた縦スライスの位置差により困難である。我々は条件生成モデルをC-SliceGenに拡張し、腹部領域の任意の軸スライスを条件として、定義された椎骨レベルスライスを生成する。
参考スコア（独自算出の注目度）: 21.162780923697653
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: 2D low-dose single-slice abdominal computed tomography (CT) slice enables direct measurements of body composition, which are critical to quantitatively characterizing health relationships on aging. However, longitudinal analysis of body composition changes using 2D abdominal slices is challenging due to positional variance between longitudinal slices acquired in different years. To reduce the positional variance, we extend the conditional generative models to our C-SliceGen that takes an arbitrary axial slice in the abdominal region as the condition and generates a defined vertebral level slice by estimating the structural changes in the latent space. Experiments on 1170 subjects from an in-house dataset and 50 subjects from BTCV MICCAI Challenge 2015 show that our model can generate high quality images in terms of realism and similarity. External experiments on 20 subjects from the Baltimore Longitudinal Study of Aging (BLSA) dataset that contains longitudinal single abdominal slices validate that our method can harmonize the slice positional variance in terms of muscle and visceral fat area. Our approach provides a promising direction of mapping slices from different vertebral levels to a target slice to reduce positional variance for single slice longitudinal analysis. The source code is available at: https://github.com/MASILab/C-SliceGen.
Abstract（参考訳）: 2D低用量腹部CTスライスにより, 身体組成の直接測定が可能であり, 加齢に伴う健康関係を定量的に評価することが重要である。しかし, 2次元腹部スライスを用いた体組成変化の経時的解析は, 経年変化による位置的変化により困難である。位置差を低減するため, 腹部領域の任意の軸スライスを条件として用いた条件生成モデルをC-SliceGenに拡張し, 潜伏空間の構造変化を推定し, 定義された椎骨レベルスライスを生成する。 BTCV MICCAI Challenge 2015では、社内データセットから1170名、BTCV MICCAI Challenge 2015から50名を対象に実験を行い、現実性と類似性の観点から高品質な画像を生成することができた。経時的単腹部スライスを含むボルチモア縦断的老化研究(BLSA)データセットから得られた20名の被験者の外部的実験から, 筋および内臓脂肪面積のスライス位置の分散を調和させることが確認できた。本手法は, 異なる脊椎レベルから標的スライスへのスライスマッピングの有望な方向を提供し, 単一スライス縦断解析における位置差を低減する。ソースコードはhttps://github.com/masilab/c-slicegen。

関連論文リスト

Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文参考訳（メタデータ） (2023-12-26T12:56:31Z)
Deep conditional generative models for longitudinal single-slice abdominal computed tomography harmonization [21.125010099161774]
腹部CTで高解像度の組織像が得られた。これらのスキャンによる体組成変化の経時的解析はスライスの位置変化により困難である。腹部領域の任意の軸スライスを条件としてC-SliceGenを提案し,事前に定義された椎骨レベルスライスを生成する。
論文参考訳（メタデータ） (2023-09-17T22:53:16Z)
On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-01T10:10:46Z)
Attention-based CT Scan Interpolation for Lesion Segmentation of Colorectal Liver Metastases [2.680862925538592]
大腸癌 (CRLM) に共通する小肝病変は, 畳み込みニューラルネットワーク (CNN) セグメンテーションモデルでは困難である。我々は,CTスキャンにおける連続3重スライスから中間スライスを生成する,教師なしアテンションベースモデルを提案する。モデルの出力は元の入力スライスと一致し、2つの最先端3Dセグメンテーションパイプラインにおけるセグメンテーション性能を向上する。
論文参考訳（メタデータ） (2023-08-30T10:21:57Z)
Towards Automatic Scoring of Spinal X-ray for Ankylosing Spondylitis [4.310687588548587]
脊椎X線画像におけるStoke Ankylosing Spondylitis Spinal Score (mSASSS) による構造変化を手作業で評価することは、費用と時間を要する。脊髄X線画像における頚椎・腰椎椎体(VUs)のmSASSSスコアを自動的に予測する2段階自動階調パイプラインVertXGradeNetを提案する。
論文参考訳（メタデータ） (2023-08-08T19:59:23Z)
Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation [20.38282484296331]
2次元低線量シングルスライスCT(CT)は高分解能で定量的な組織マップを提供する。自動セグメンテーションを併用した低用量シングルスライスCTの経時変化に関する総合的な研究は行われていない。今回,ボルチモア縦断法(BLSA)腹部データセット1469例の1816個のスライスについて検討した。
論文参考訳（メタデータ） (2022-09-28T16:43:29Z)
Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文参考訳（メタデータ） (2021-07-06T14:50:03Z)
Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文参考訳（メタデータ） (2020-06-18T09:49:11Z)
Fully-automated deep learning slice-based muscle estimation from CT images for sarcopenia assessment [0.10499611180329801]
この振り返り研究は、公開画像とプライベート画像のコレクションを用いて行われた。方法はCTボリュームからのスライス検出と単スライスCTセグメンテーションの2段階からなる。アウトプットはL3椎骨のCTスライスに分節した筋量であった。
論文参考訳（メタデータ） (2020-06-10T12:05:55Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。