論文の概要: Impact of PCA-based preprocessing and different CNN structures on deformable registration of sonograms

• arxiv url: http://arxiv.org/abs/2301.08802v1
• Date: Fri, 20 Jan 2023 21:01:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 16:25:59.241590
• Title: Impact of PCA-based preprocessing and different CNN structures on deformable registration of sonograms
• Title（参考訳）: PCAによる前処理と異なるCNN構造がソノグラムの変形性登録に及ぼす影響
• Authors: Christian Schmidt and Heinrich Martin Overhoff
• Abstract要約: 中心静脈カテーテル(CVC)は通常、頸部の大静脈に挿入される。 本研究では, 頚部超音波検査において線形アフィン変換を行い, 続いて非線形変換を行い, より正確な登録を行う。 患者個人画像の主成分分析(PCA)に基づく事前復号化と, 複雑度が異なる修正ネット構造が登録結果に及ぼす影響について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Central venous catheters (CVC) are commonly inserted into the large veins of the neck, e.g. the internal jugular vein (IJV). CVC insertion may cause serious complications like misplacement into an artery or perforation of cervical vessels. Placing a CVC under sonographic guidance is an appropriate method to reduce such adverse events, if anatomical landmarks like venous and arterial vessels can be detected reliably. This task shall be solved by registration of patient individual images vs. an anatomically labelled reference image. In this work, a linear, affine transformation is performed on cervical sonograms, followed by a non-linear transformation to achieve a more precise registration. Voxelmorph (VM), a learning-based library for deformable image registration using a convolutional neural network (CNN) with U-Net structure was used for non-linear transformation. The impact of principal component analysis (PCA)-based pre-denoising of patient individual images, as well as the impact of modified net structures with differing complexities on registration results were examined visually and quantitatively, the latter using metrics for deformation and image similarity. Using the PCA-approximated cervical sonograms resulted in decreased mean deformation lengths between 18% and 66% compared to their original image counterparts, depending on net structure. In addition, reducing the number of convolutional layers led to improved image similarity with PCA images, while worsening in original images. Despite a large reduction of network parameters, no overall decrease in registration quality was observed, leading to the conclusion that the original net structure is oversized for the task at hand.
• Abstract（参考訳）: 中心静脈カテーテル(CVC)は通常、内頸静脈(IJV)などの頸部の大静脈に挿入される。 CVC挿入は、動脈へのずれや頚動脈穿孔などの深刻な合併症を引き起こす可能性がある。 超音波ガイド下にCVCを配置することは、静脈や動脈などの解剖学的ランドマークを確実に検出できる場合、そのような有害事象を減らすのに適切な方法である。 この課題は,患者個人画像と解剖学的にラベル付けされた参照画像との登録によって解決される。 本研究では, 頚部超音波像に対して線形アフィン変換を行い, 続いて非線形変換を行い, より正確な登録を行う。 U-Net構造を持つ畳み込みニューラルネットワーク(CNN)を用いた変形可能な画像登録のための学習ライブラリであるVoxelmorph(VM)が非線形変換に使用された。 患者個人画像の主成分分析(PCA)に基づく事前復号化と, 複雑度が異なる修正ネット構造が登録結果に与える影響を視覚的, 定量的に検討し, 後者は変形と画像類似度の測定値を用いて検討した。 PCAを併用した頚部超音波検査では, 平均変形長が18%から66%に減少した。 さらに、畳み込み層の数を減らすことで、PCA画像と画像の類似性が向上し、元の画像は悪化した。 ネットワークパラメータの大幅な削減にもかかわらず、登録品質の全体的な低下は観測されず、元のネット構造が手前のタスクに大きすぎるという結論に至った。

関連論文リスト

• Progressive Retinal Image Registration via Global and Local Deformable Transformations [49.032894312826244]
  我々はHybridRetinaと呼ばれるハイブリッド登録フレームワークを提案する。 キーポイント検出器とGAMorphと呼ばれる変形ネットワークを用いて、大域的な変換と局所的な変形可能な変換を推定する。 FIREとFLoRI21という2つの広く使われているデータセットの実験により、提案したHybridRetinaは最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-02T08:43:50Z)
• Shape-Sensitive Loss for Catheter and Guidewire Segmentation [5.115480059688438]
  カテーテルとガイドワイヤセグメンテーションのための形状感受性損失関数を導入する。 我々は、大規模なX線画像データセット上に新しい最先端結果を確立するために、ビジョントランスフォーマーネットワークでこれを利用する。
  論文  参考訳（メタデータ） (2023-11-19T03:05:21Z)
• Segmentation-free PVC for Cardiac SPECT using a Densely-connected Multi-dimensional Dynamic Network [11.546783296332961]
  CTやMRIから高分解能解剖情報を取り入れた部分体積補正法が有効であることが証明された。 本研究では,解剖学的情報と関連する臓器セグメント化を伴わない高速心電図SPECT PVCのための深層学習法を開発した。
  論文  参考訳（メタデータ） (2022-06-24T15:31:14Z)
• Site Generalization: Stroke Lesion Segmentation on Magnetic Resonance Images from Unseen Sites [40.32385363670918]
  ストロークは様々な脳血管疾患の主要な原因である。 この課題に対して深層学習に基づくモデルが提案されているが、これらのモデルを見えない場所に一般化することは困難である。 SG-Netと呼ばれるU-netベースのセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2022-05-09T14:33:06Z)
• Parametric Scaling of Preprocessing assisted U-net Architecture for Improvised Retinal Vessel Segmentation [1.3869502085838448]
  本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。 ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
  論文  参考訳（メタデータ） (2022-03-18T15:26:05Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
  ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。 本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。 本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
  論文  参考訳（メタデータ） (2021-07-09T13:35:59Z)
• Segmentation-Renormalized Deep Feature Modulation for Unpaired Image Harmonization [0.43012765978447565]
  サイクル一貫性のある生成共役ネットワークは、ソースとターゲットドメイン間のイメージセットの調和に使われてきた。 これらの手法は、不安定性、コントラストの逆転、病理の難治性操作、および実際の医用画像における信頼性を制限したステガノグラフィーマッピングの傾向が強い。 解剖学的レイアウトを維持しながらスキャナ間の調和を低減するセグメンテーション正規化画像翻訳フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-11T23:53:51Z)
• Context-Aware Refinement Network Incorporating Structural Connectivity Prior for Brain Midline Delineation [50.868845400939314]
  UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。 正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。 提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
  論文  参考訳（メタデータ） (2020-07-10T14:01:20Z)
• Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
  偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。 本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。 提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
  論文  参考訳（メタデータ） (2020-05-20T13:30:49Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。