論文の概要: The Extreme Cardiac MRI Analysis Challenge under Respiratory Motion (CMRxMotion)

• arxiv url: http://arxiv.org/abs/2210.06385v1
• Date: Wed, 12 Oct 2022 16:38:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 16:17:59.693414
• Title: The Extreme Cardiac MRI Analysis Challenge under Respiratory Motion (CMRxMotion)
• Title（参考訳）: 呼吸運動(CMRxMotion)による超急性期MRI診断の試み
• Authors: Shuo Wang, Chen Qin, Chengyan Wang, Kang Wang, Haoran Wang, Chen Chen, Cheng Ouyang, Xutong Kuang, Chengliang Dai, Yuanhan Mo, Zhang Shi, Chenchen Dai, Xinrong Chen, He Wang and Wenjia Bai
• Abstract要約: CMRxMotion Challenge (CMRxMotion Challenge) における極端な心MRI画像解析の試み この課題は、40人の健康なボランティアを雇い、1回の画像訪問中に異なる呼吸保持行動を実行させた。 放射線学者は、画像の品質を評価し、呼吸運動アーティファクトのレベルを注釈した。
• 参考スコア（独自算出の注目度）: 21.08720366527158
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The quality of cardiac magnetic resonance (CMR) imaging is susceptible to respiratory motion artifacts. The model robustness of automated segmentation techniques in face of real-world respiratory motion artifacts is unclear. This manuscript describes the design of extreme cardiac MRI analysis challenge under respiratory motion (CMRxMotion Challenge). The challenge aims to establish a public benchmark dataset to assess the effects of respiratory motion on image quality and examine the robustness of segmentation models. The challenge recruited 40 healthy volunteers to perform different breath-hold behaviors during one imaging visit, obtaining paired cine imaging with artifacts. Radiologists assessed the image quality and annotated the level of respiratory motion artifacts. For those images with diagnostic quality, radiologists further segmented the left ventricle, left ventricle myocardium and right ventricle. The images of training set (20 volunteers) along with the annotations are released to the challenge participants, to develop an automated image quality assessment model (Task 1) and an automated segmentation model (Task 2). The images of validation set (5 volunteers) are released to the challenge participants but the annotations are withheld for online evaluation of submitted predictions. Both the images and annotations of the test set (15 volunteers) were withheld and only used for offline evaluation of submitted containerized dockers. The image quality assessment task is quantitatively evaluated by the Cohen's kappa statistics and the segmentation task is evaluated by the Dice scores and Hausdorff distances.
• Abstract（参考訳）: 心臓磁気共鳴(CMR)画像の画質は呼吸運動アーチファクトの影響を受けやすい。 実世界の呼吸運動アーチファクトに直面する自動セグメンテーション技術のモデルロバスト性は明らかでない。 CMRxMotion Challenge (CMRxMotion Challenge) における超急性期MRI画像解析の課題について述べる。 この課題は、イメージ品質に対する呼吸運動の影響を評価し、セグメンテーションモデルの堅牢性を調べるために、公開ベンチマークデータセットを確立することである。 課題は、40人の健康なボランティアを雇い、1回の画像訪問中に異なる呼吸保持行動を行い、人工物と組み合わせたシネ画像を得る。 放射線学者は、画像の品質を評価し、呼吸運動アーティファクトのレベルを注釈した。 診断精度の高い画像では, 左心室, 左心室, 右心室を更に区分けした。 訓練セット(20名のボランティア)とアノテーションのイメージを参加者に開放し、自動画像品質評価モデル(タスク1)と自動セグメンテーションモデル(タスク2)を開発する。 検証セットのイメージ(5人のボランティア)を課題参加者に公開するが、アノテーションは提出された予測のオンライン評価のために保持される。 テストセットのイメージとアノテーション(15人のボランティア)はいずれも保持されず、コンテナドッキングのオフライン評価にのみ使用された。 画像品質評価タスクはコーエンのカッパ統計によって定量的に評価され、セグメンテーションタスクはディーススコアとハウスドルフ距離によって評価される。

関連論文リスト

• Towards a vision foundation model for comprehensive assessment of Cardiac MRI [11.838157772803282]
  心臓磁気共鳴画像(CMR)評価のための視覚基礎モデルを提案する。 CMRワークフローに典型的な9つの臨床的タスクについて、教師付き方法でモデルを微調整する。 すべてのタスクにおいて、ラベル付きデータセットサイズの範囲で、精度と堅牢性が改善されたことを実証する。
  論文  参考訳（メタデータ） (2024-10-02T15:32:01Z)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Detecting respiratory motion artefacts for cardiovascular MRIs to ensure high-quality segmentation [0.9790426916395246]
  心臓血管磁気共鳴画像(CMR)における呼吸運動の重症度を推定するワークフローを提案する。 本手法は, 取得したCMRが, さらなる診断に使用される前に, 特定の品質基準を保持できることを保証する。
  論文  参考訳（メタデータ） (2022-09-20T12:29:05Z)
• Multi-task Swin Transformer for Motion Artifacts Classification and Cardiac Magnetic Resonance Image Segmentation [0.4419843514606336]
  CMRxMotionの課題であるCMRセグメンテーションとモーションアーティファクト分類の2つのタスクを同時に解くためのマルチタスク・スイニング・UNEt TRansformerネットワークを提案する。 セグメンテーションと分類の両方をマルチタスク学習アプローチとして利用し、CMRの診断品質を判定し、同時にマスクを生成する。
  論文  参考訳（メタデータ） (2022-09-06T13:14:44Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• 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)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• 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)
• 2-D Respiration Navigation Framework for 3-D Continuous Cardiac Magnetic Resonance Imaging [61.701281723900216]
  連続スキャン中に2次元呼吸情報を得るためのサンプリング適応を提案する。 我々は、取得した信号から異なる呼吸状態を抽出し、ある呼吸相からデータを再構成するパイプラインを開発した。
  論文  参考訳（メタデータ） (2020-12-26T08:29:57Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。