論文の概要: MyI-Net: Fully Automatic Detection and Quantification of Myocardial
Infarction from Cardiovascular MRI Images
- arxiv url: http://arxiv.org/abs/2212.13715v1
- Date: Wed, 28 Dec 2022 06:34:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 15:12:18.722714
- Title: MyI-Net: Fully Automatic Detection and Quantification of Myocardial
Infarction from Cardiovascular MRI Images
- Title（参考訳）: MyI-Net:心臓血管MRIによる心筋梗塞の自動検出と定量化
- Authors: Shuihua Wang, Ahmed M.S.E.K Abdelaty, Kelly Parke, J Ranjit Arnold,
Gerry P McCann, Ivan Y Tyukin
- Abstract要約: 心臓発作 (Heart attack) または心筋梗塞(MI)は、心臓に血液を供給する動脈が突然閉塞されたときに起こる。
MIの定量化のための完全に自動化された「金の標準」は存在しない。
MyI-NetはMRI画像中のMIの検出と定量化のためのエンドツーエンドの完全自動システムである。
- 参考スコア（独自算出の注目度）: 9.709445432765039
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A "heart attack" or myocardial infarction (MI), occurs when an artery
supplying blood to the heart is abruptly occluded. The "gold standard" method
for imaging MI is Cardiovascular Magnetic Resonance Imaging (MRI), with
intravenously administered gadolinium-based contrast (late gadolinium
enhancement). However, no "gold standard" fully automated method for the
quantification of MI exists. In this work, we propose an end-to-end fully
automatic system (MyI-Net) for the detection and quantification of MI in MRI
images. This has the potential to reduce the uncertainty due to the technical
variability across labs and inherent problems of the data and labels. Our
system consists of four processing stages designed to maintain the flow of
information across scales. First, features from raw MRI images are generated
using feature extractors built on ResNet and MoblieNet architectures. This is
followed by the Atrous Spatial Pyramid Pooling (ASPP) to produce spatial
information at different scales to preserve more image context. High-level
features from ASPP and initial low-level features are concatenated at the third
stage and then passed to the fourth stage where spatial information is
recovered via up-sampling to produce final image segmentation output into: i)
background, ii) heart muscle, iii) blood and iv) scar areas. New models were
compared with state-of-art models and manual quantification. Our models showed
favorable performance in global segmentation and scar tissue detection relative
to state-of-the-art work, including a four-fold better performance in matching
scar pixels to contours produced by clinicians.
- Abstract（参考訳）: 心臓発作 (heart attack) または心筋梗塞 (mi) は、心臓に血液を供給する動脈が突然閉塞すると起こる。
MIイメージングの「ゴールドスタンダード」法は、心血管系磁気共鳴イメージング(MRI)であり、ガドリニウムベースのコントラスト(後期ガドリニウム増強)を静脈内投与する。
しかし、MIの定量化のための完全に自動化された「金の標準」は存在しない。
本研究では,MRI画像中のMIの検出と定量化のためのエンドツーエンド完全自動システム(MyI-Net)を提案する。
これは、研究所間の技術的多様性とデータとラベルの固有の問題による不確実性を減らす可能性がある。
本システムは,大規模情報の流れを維持するために設計された4つの処理段階からなる。
まず、ResNetとMoblieNetアーキテクチャ上に構築された特徴抽出器を使って生のMRI画像から特徴を生成する。
これに続いて、Atrous Space Pyramid Pooling (ASPP) が、より多くの画像コンテキストを保存するために異なるスケールで空間情報を生成する。
asppおよび初期低レベル特徴のハイレベル特徴を第3段階に連結し、アップサンプリングにより空間情報を復元し、最終的な画像分割結果を生成する第4段階に渡す。
i) 背景
ii) 心臓の筋肉
三 血液及び血液
iv)スカーエリア。
新しいモデルは最先端のモデルと手動の定量化と比較された。
本モデルでは, 臨床医が作製した輪郭に一致する傷痕画素の4倍の性能を含む, 最先端の作業に対するグローバルセグメンテーションと傷痕組織検出に好適な性能を示した。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Unpaired Volumetric Harmonization of Brain MRI with Conditional Latent Diffusion [13.563413478006954]
条件付き潜時拡散(HCLD)による新しい3次元MRI高調波化フレームワークを提案する。
一般化可能な3Dオートエンコーダを備え、4Dラテント空間を通じてMRIを符号化しデコードする。
HCLDは、潜伏分布を学習し、ターゲット画像スタイルで条件付きで、ソースMRIから解剖学的情報と調和したMRIを生成する。
論文 参考訳（メタデータ） (2024-08-18T00:13:48Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳（メタデータ） (2023-11-22T05:44:51Z) - Generalized super-resolution 4D Flow MRI $\unicode{x2013}$ using
ensemble learning to extend across the cardiovascular system [28.516235368817586]
本研究の目的は,異種トレーニングセットと専用アンサンブル学習を組み合わせたSR 4D Flow MRIの一般化可能性を検討することである。
その結果,バッギングと積み重ねはドメイン間のSR性能を向上し,低分解能入力データから高分解能速度を正確に予測できることが示唆された。
以上の結果から,本研究はSR 4D Flow MRIの汎用的アプローチとして,様々な臨床領域にまたがるアンサンブル学習の有用性を示すものである。
論文 参考訳（メタデータ） (2023-11-20T14:55:40Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Deep Cardiac MRI Reconstruction with ADMM [7.694990352622926]
心臓画像の分野では, 深層学習(DL)を用いたシネ・マルチコントラスト再建法を提案する。
提案手法は画像領域とk空間領域の両方を最適化し,高い再構成精度を実現する。
論文 参考訳（メタデータ） (2023-10-10T13:46:11Z) - Disruptive Autoencoders: Leveraging Low-level features for 3D Medical
Image Pre-training [51.16994853817024]
本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。
ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。
提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-07-31T17:59:42Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using
Deep Transformers and Explainable Artificial Intelligence [20.415917092103033]
心筋炎は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。
HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発生に重要な役割を担っている
提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
論文 参考訳（メタデータ） (2022-10-26T10:34:20Z) - ECG Heart-beat Classification Using Multimodal Image Fusion [13.524306011331303]
我々は心電図の心拍分類のための新しい画像融合モデル(IFM)を提案する。
まず、まず、Gramian Angular Field(GAF)、Recurrence Plot(RP)、Markov Transition Field(MTF)を用いて、心電図の心拍を3つの異なる画像に変換する。
論文 参考訳（メタデータ） (2021-05-28T01:31:35Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。