論文の概要: RMSim: Controlled Respiratory Motion Simulation on Static Patient Scans

• arxiv url: http://arxiv.org/abs/2301.11422v1
• Date: Thu, 26 Jan 2023 21:20:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-30 17:07:07.382075
• Title: RMSim: Controlled Respiratory Motion Simulation on Static Patient Scans
• Title（参考訳）: rmsim:静的患者スキャンによる呼吸運動シミュレーション
• Authors: Donghoon Lee, Ellen Yorke, Masoud Zarepisheh, Saad Nadeem, Yu-Chi Hu
• Abstract要約: 4D-CT画像から学習する3D Seq2Seqディープラーニング呼吸運動シミュレータ(RMSim)を提案する。 内科140例の10段階4D-CTを用いてRMSimを訓練・試験した。 RMSimの出力をプライベートとパブリック両方のベンチマークデータセットで検証しました。
• 参考スコア（独自算出の注目度）: 7.575469466607952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work aims to generate realistic anatomical deformations from static patient scans. Specifically, we present a method to generate these deformations/augmentations via deep learning driven respiratory motion simulation that provides the ground truth for validating deformable image registration (DIR) algorithms and driving more accurate deep learning based DIR. We present a novel 3D Seq2Seq deep learning respiratory motion simulator (RMSim) that learns from 4D-CT images and predicts future breathing phases given a static CT image. The predicted respiratory patterns, represented by time-varying displacement vector fields (DVFs) at different breathing phases, are modulated through auxiliary inputs of 1D breathing traces so that a larger amplitude in the trace results in more significant predicted deformation. Stacked 3D-ConvLSTMs are used to capture the spatial-temporal respiration patterns. Training loss includes a smoothness loss in the DVF and mean-squared error between the predicted and ground truth phase images. A spatial transformer deforms the static CT with the predicted DVF to generate the predicted phase image. 10-phase 4D-CTs of 140 internal patients were used to train and test RMSim. The trained RMSim was then used to augment a public DIR challenge dataset for training VoxelMorph to show the effectiveness of RMSim-generated deformation augmentation. We validated our RMSim output with both private and public benchmark datasets (healthy and cancer patients). The proposed approach can be used for validating DIR algorithms as well as for patient-specific augmentations to improve deep learning DIR algorithms. The code, pretrained models, and augmented DIR validation datasets will be released at https://github.com/nadeemlab/SeqX2Y.
• Abstract（参考訳）: この研究は、静的な患者スキャンから現実的な解剖学的変形を生み出すことを目的としている。 具体的には,dir(deformable image registration)アルゴリズムの検証と,より正確な深層学習に基づくdirの駆動のための基礎的真理を提供する,深層学習駆動呼吸運動シミュレーションにより,これらの変形・推定を生成する手法を提案する。 4D-CT画像から学習し,静止CT画像から将来の呼吸位相を予測する3D Seq2Seqディープラーニング呼吸運動シミュレータ(RMSim)を提案する。 異なる呼吸相における時間変化変位ベクトル場(DVF)で表される予測された呼吸パターンは、1次元呼吸軌跡の補助入力によって変調され、トレースの振幅が大きいとより大きな予測変形が生じる。 重ねられた3D-ConvLSTMは空間的・時間的呼吸パターンを捉えるために使用される。 トレーニング損失には、DVFの滑らかさ損失と、予測された真理相と基底相の平均2乗誤差が含まれる。 空間トランスは、予測されたdvfで静的ctを変形して予測位相画像を生成する。 rmsimの訓練と試験には内科140例の10相4d-ctを用いた。 トレーニングされたrmsimは、rmsimが生成した変形増強の有効性を示すためにvoxelmorphをトレーニングするための公開dirチャレンジデータセットの強化に使用された。 RMSimの出力を、プライベートとパブリック両方のベンチマークデータセット(健康とがんの患者)で検証した。 提案手法は、DIRアルゴリズムの検証や、深層学習DIRアルゴリズムを改善するための患者固有の拡張に利用できる。 コード、事前トレーニングされたモデル、拡張されたDIR検証データセットはhttps://github.com/nadeemlab/SeqX2Yでリリースされる。

関連論文リスト

• Self-Supervised Pre-training Tasks for an fMRI Time-series Transformer in Autism Detection [3.665816629105171]
  自閉症スペクトラム障害(Autism Spectrum disorder、ASD)は、様々な症状や障害の程度を包含する神経発達障害である。 我々は,関数接続を計算せずに時系列fMRIデータを直接解析するトランスフォーマーベースの自己教師型フレームワークを開発した。 ランダムにROIをマスキングすると、トレーニング前のステップでランダムにマスキングする時間ポイントよりも、モデル性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-09-18T20:29:23Z)
• Resolving Variable Respiratory Motion From Unsorted 4D Computed Tomography [0.6938240959023204]
  代理駆動運動モデルは、4DCTからのCTセグメントに基づいて複数の周期にわたる可変運動を推定することができる。 本手法は,呼吸と呼吸の変動を含む動きの推定値とともに,高品質な動き補正画像を生成する。
  論文  参考訳（メタデータ） (2024-06-30T11:22:55Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• ORRN: An ODE-based Recursive Registration Network for Deformable Respiratory Motion Estimation with Lung 4DCT Images [7.180268723513929]
  変形可能な画像登録(DIR)は、医療データにおける変形の定量化に重要な役割を果たす。 近年のDeep Learning法では,医用画像の登録に有望な精度とスピードアップが示されている。 本稿では,正規微分方程式(ODE)に基づく再帰画像登録ネットワークORRNを提案する。
  論文  参考訳（メタデータ） (2023-05-24T03:26:26Z)
• Joint Rigid Motion Correction and Sparse-View CT via Self-Calibrating Neural Field [37.86878619100209]
  NeRFは自己教師型ディープラーニングフレームワークとしてSparse-View (SV) CT再構成問題で広く注目を集めている。 既存のNeRFベースのSVCT法は、CT取得中に全く相対的な動きがないと厳密に仮定する。 本研究は, 剛性運動崩壊SV測定からアーチファクトフリーなイメージを復元する自己校正型ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-23T13:55:07Z)
• Predicting Loose-Fitting Garment Deformations Using Bone-Driven Motion Networks [63.596602299263935]
  本稿では,骨駆動型モーションネットワークを用いて,ゆるやかな衣服メッシュの変形を対話的に予測する学習アルゴリズムを提案する。 提案手法は,メッシュ変形の予測精度を約20%,ハウスドルフ距離とSTEDで約10%向上させる。
  論文  参考訳（メタデータ） (2022-05-03T07:54:39Z)
• Unsupervised Contrastive Learning based Transformer for Lung Nodule Detection [6.693379403133435]
  CTによる肺結節の早期発見は,肺癌患者の長期生存と生活の質の向上に不可欠である。 CAD (Computer-Aided Detection/diagnosis) はこの文脈において第2または同時読影器として有用である。 肺結節の正確な検出は、サイズ、位置、および肺結節の出現のばらつきにより、CADシステムや放射線技師にとって依然として困難である。 近年のコンピュータビジョン技術に触発されて,肺結節を同定するための自己教師付き領域ベース3次元トランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-30T01:19:00Z)
• Pre-training and Fine-tuning Transformers for fMRI Prediction Tasks [69.85819388753579]
  TFFはトランスフォーマーベースのアーキテクチャと2フェーズのトレーニングアプローチを採用している。 自己教師付きトレーニングは、fMRIスキャンのコレクションに適用され、モデルが3Dボリュームデータの再構成のために訓練される。 その結果、年齢や性別の予測、統合失調症認知など、さまざまなfMRIタスクにおける最先端のパフォーマンスが示された。
  論文  参考訳（メタデータ） (2021-12-10T18:04:26Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。