論文の概要: MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination
of Multi-Sequence CMR Images
- arxiv url: http://arxiv.org/abs/2211.03062v1
- Date: Sun, 6 Nov 2022 08:46:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 18:22:59.731143
- Title: MyoPS-Net: Myocardial Pathology Segmentation with Flexible Combination
of Multi-Sequence CMR Images
- Title（参考訳）: myoPS-Net: 心筋病理領域分割と多周波CMR画像のフレキシブルな組み合わせ
- Authors: Junyi Qiu, Lei Li, Sihan Wang, Ke Zhang, Yinyin Chen, Shan Yang,
Xiahai Zhuang
- Abstract要約: 我々はMyoPS-Netと呼ばれるエンド・ツー・エンドのディープ・ニューラルネットワークを開発し、MyoPSのための5シーケンス心磁気共鳴(CMR)画像を柔軟に組み合わせた。
正確かつ適切な情報を抽出するために,クロスモーダルな特徴を抽出・融合する効果的かつフレキシブルなアーキテクチャを設計する。
その結果,MyoPS-Netの優位性と一般化性が証明され,さらに臨床的に有用であることが示唆された。
- 参考スコア（独自算出の注目度）: 21.671773978257253
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Myocardial pathology segmentation (MyoPS) can be a prerequisite for the
accurate diagnosis and treatment planning of myocardial infarction. However,
achieving this segmentation is challenging, mainly due to the inadequate and
indistinct information from an image. In this work, we develop an end-to-end
deep neural network, referred to as MyoPS-Net, to flexibly combine
five-sequence cardiac magnetic resonance (CMR) images for MyoPS. To extract
precise and adequate information, we design an effective yet flexible
architecture to extract and fuse cross-modal features. This architecture can
tackle different numbers of CMR images and complex combinations of modalities,
with output branches targeting specific pathologies. To impose anatomical
knowledge on the segmentation results, we first propose a module to regularize
myocardium consistency and localize the pathologies, and then introduce an
inclusiveness loss to utilize relations between myocardial scars and edema. We
evaluated the proposed MyoPS-Net on two datasets, i.e., a private one
consisting of 50 paired multi-sequence CMR images and a public one from
MICCAI2020 MyoPS Challenge. Experimental results showed that MyoPS-Net could
achieve state-of-the-art performance in various scenarios. Note that in
practical clinics, the subjects may not have full sequences, such as missing
LGE CMR or mapping CMR scans. We therefore conducted extensive experiments to
investigate the performance of the proposed method in dealing with such complex
combinations of different CMR sequences. Results proved the superiority and
generalizability of MyoPS-Net, and more importantly, indicated a practical
clinical application.
- Abstract（参考訳）: 心筋病理分画(myops)は、心筋梗塞の正確な診断と治療計画のための前提条件である。
しかし、このセグメンテーションを達成することは、主に画像からの不適切で不明瞭な情報のために困難である。
本研究は、MyoPS-Netと呼ばれるエンド・ツー・エンドのディープニューラルネットワークを開発し、MyoPSのための5シーケンス心磁気共鳴(CMR)画像を柔軟に組み合わせる。
正確かつ適切な情報を抽出するために,クロスモーダルな特徴を抽出・融合する効果的かつフレキシブルなアーキテクチャを設計する。
このアーキテクチャは、特定の病理をターゲットとした出力ブランチを用いて、異なる数のCMRイメージと複雑なモダリティの組み合わせに取り組むことができる。
解剖学的知識をセグメント化結果に適用するために,まず,心筋の整合性を規則化し,病理組織を局在させるモジュールを提案し,心筋の傷跡と浮腫の関係を活かすために包括的障害を導入する。
提案したMyoPS-Netを,50組のマルチシーケンスCMR画像とMICCAI2020myoPS Challengeの公開画像からなるプライベートデータセットで評価した。
実験の結果,MyoPS-Netは様々なシナリオで最先端の性能を実現することができた。
実践的な臨床では、被験者はLGE CMRの欠失やCMRのマッピングのような完全なシーケンスを持っていない可能性がある。
そこで我々は, 異なるCMR配列の複雑な組み合わせを扱う際の提案手法の性能について, 広範な実験を行った。
その結果,MyoPS-Netの優位性と一般化性が証明され,さらに臨床的に有用であることが示唆された。
関連論文リスト
- 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) - Aligning Multi-Sequence CMR Towards Fully Automated Myocardial Pathology
Segmentation [20.68539814306763]
心筋梗塞のリスク階層化と治療計画にMyoPSが重要である
非整合MS-CMR画像のためのMyoPSフレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-07T15:41:40Z) - AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images [23.212429566838203]
マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
論文 参考訳（メタデータ） (2022-01-14T08:59:54Z) - 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) - Modality Completion via Gaussian Process Prior Variational Autoencoders
for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。
MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。
4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文 参考訳（メタデータ） (2021-07-07T19:06:34Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Max-Fusion U-Net for Multi-Modal Pathology Segmentation with Attention
and Dynamic Resampling [13.542898009730804]
関連するアルゴリズムの性能は、マルチモーダル情報の適切な融合によって大きく影響を受ける。
We present the Max-Fusion U-Net that achieve a improve pathology segmentation performance。
マルチシーケンスCMRデータセットを併用したMyoPS(Myocardial pathology segmentation)を用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2020-09-05T17:24:23Z) - Multi-Modality Pathology Segmentation Framework: Application to Cardiac
Magnetic Resonance Images [3.5354617056939874]
本研究は,多モードCMR画像に基づく自動カスケード診断セグメンテーションフレームワークを提案する。
主に、解剖学的構造セグメンテーションネットワーク(ASSN)と病理学的領域セグメンテーションネットワーク(PRSN)の2つのニューラルネットワークで構成されている。
論文 参考訳（メタデータ） (2020-08-13T09:57:04Z) - 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) - 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)
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。