論文の概要: Liver Segmentation in Time-resolved C-arm CT Volumes Reconstructed from
Dynamic Perfusion Scans using Time Separation Technique
- arxiv url: http://arxiv.org/abs/2302.04585v1
- Date: Thu, 9 Feb 2023 11:57:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 16:03:35.578266
- Title: Liver Segmentation in Time-resolved C-arm CT Volumes Reconstructed from
Dynamic Perfusion Scans using Time Separation Technique
- Title(参考訳): 動的灌流スコープから再構成した時間分離C-arm CTの肝分画
- Authors: Soumick Chatterjee, Hana Haselji\'c, Robert Frysch, Vojt\v{e}ch
Kulvait, Vladimir Semshchikov, Bennet Hensen, Frank Wacker, Inga Br\"uschx,
Thomas Werncke, Oliver Speck, Andreas N\"urnberger and Georg Rose
- Abstract要約: 時間分離法 (TST) は, C-arm cone-beam Computed Tomography (CBCT) の拡散データをモデル化するのに有効である。
近年,TST再建作業において,ターボリフト学習の性能が向上している。
本研究では,TST再構成から推定したTRV(Time-Resolved Volume)に基づいて,ターボリフト学習のマルチスケール注意UNetを第3段階で訓練することにより,その可能性を探る。
- 参考スコア(独自算出の注目度): 0.4073222202612759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Perfusion imaging is a valuable tool for diagnosing and treatment planning
for liver tumours. The time separation technique (TST) has been successfully
used for modelling C-arm cone-beam computed tomography (CBCT) perfusion data.
The reconstruction can be accompanied by the segmentation of the liver - for
better visualisation and for generating comprehensive perfusion maps. Recently
introduced Turbolift learning has been seen to perform well while working with
TST reconstructions, but has not been explored for the time-resolved volumes
(TRV) estimated out of TST reconstructions. The segmentation of the TRVs can be
useful for tracking the movement of the liver over time. This research explores
this possibility by training the multi-scale attention UNet of Turbolift
learning at its third stage on the TRVs and shows the robustness of Turbolift
learning since it can even work efficiently with the TRVs, resulting in a Dice
score of 0.864$\pm$0.004.
- Abstract(参考訳): perfusion imagingは肝腫瘍の診断と治療計画に有用なツールである。
時間分離法 (TST) は, C-arm cone-beam Computed Tomography (CBCT) の拡散データをモデル化するのに有効である。
再建には肝臓の分節化が伴う - 可視化性が向上し、包括的な灌流マップを生成するために。
近年,TST再建作業においてターボリフト学習が有効であることが確認されているが,TST再建作業から推定されるTRV(Time-resolved Volume)については検討されていない。
TRVのセグメンテーションは、時間の経過とともに肝臓の動きを追跡するのに有用である。
本研究は,TRVの3段階目において,マルチスケールのターボリフト学習UNetを訓練することにより,TRVと効率的に連携できるため,ターボリフト学習の堅牢性を示し,Diceスコアが0.864$\pm$0.004となることを示す。
関連論文リスト
- Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。
心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。
本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文 参考訳(メタデータ) (2024-10-08T10:03:52Z) - MAR-DTN: Metal Artifact Reduction using Domain Transformation Network for Radiotherapy Planning [10.515417851330877]
頭頸部癌患者では、kVCT(kVoltage tube potentials)を用いた標準CTスキャンの品質は、ストリークアーティファクトによって著しく低下する。
いくつかの放射線治療装置は、毎日の患者のセットアップ検証のためにMega-Voltage CT(MVCT)を取得する可能性がある。
得られたkVCT画像からアーチファクトフリーのMVT画像を生成することができるディープラーニングベースのアプローチを提案する。
論文 参考訳(メタデータ) (2024-09-23T16:04:00Z) - From Diagnostic CT to DTI Tractography labels: Using Deep Learning for Corticospinal Tract Injury Assessment and Outcome Prediction in Intracerebral Haemorrhage [1.2180046815010375]
脳卒中後の運動回復には,皮質脊髄路(CST)の保存が重要である。
非造影CTは、ほとんどの脳内出血診断パイプラインで日常的に利用可能である。
57%のDice類似度係数でCSTの拡散型トラクトグラフィーマップを再現した。
論文 参考訳(メタデータ) (2024-08-12T13:34:26Z) - Deep Learning-based Accelerated MR Cholangiopancreatography without Fully-sampled Data [0.8422467541029346]
本研究の目的は,3Tおよび0.55Tのディープラーニング(DL)を用いたMRCP(MRCP)の獲得を加速することであった。
我々は,3Tで得られた6倍アンダーサンプルデータを用いて,教師付き(SV)と自己教師付き(SSV)の2つの異なるトレーニング戦略を用いてDL再建を訓練した。
DL再建では3T/0.55TでMRCPの平均取得時間を599/542から255/180秒に短縮した。
論文 参考訳(メタデータ) (2024-05-06T10:53:13Z) - Autonomous Path Planning for Intercostal Robotic Ultrasound Imaging Using Reinforcement Learning [45.5123007404575]
胸腔鏡検査は, 皮下リブケージの音響的影が原因で, 依然として困難である。
本研究は, 内臓器病変のモニタリングを行うために, リブ間の走査経路を計画するための強化学習手法を提案する。
ランダムに定義された単一または複数の走査ターゲットを持つ未確認のCTに対して実験が実施されている。
論文 参考訳(メタデータ) (2024-04-15T16:52:53Z) - Deep-learning-based acceleration of MRI for radiotherapy planning of
pediatric patients with brain tumors [39.58317527488534]
RT専用レシーバコイルアライメントで取得したアンダーサンプルデータからMRI再構成を行う深層学習法を開発した。
DeepMRIRecは、評価された最先端手法を超える構造的類似度スコアを4倍に削減した。
論文 参考訳(メタデータ) (2023-11-22T16:01:44Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳(メタデータ) (2023-09-25T19:34:12Z) - Deep-Learning-based Vasculature Extraction for Single-Scan Optical
Coherence Tomography Angiography [9.77526300425824]
我々は,OCTA画像を生成するために1回のOCTスキャンのみを用いる血管抽出パイプラインを提案する。
このパイプラインは、畳み込みプロジェクションを利用して画像パッチ間の空間的関係をよりよく学習する、提案されたVasculature extract Transformer (VET)に基づいている。
論文 参考訳(メタデータ) (2023-04-17T13:55:26Z) - Liver Segmentation using Turbolift Learning for CT and Cone-beam C-arm
Perfusion Imaging [0.4073222202612759]
C-arm cone-beam Computed Tomography (CBCT) を用いて肝のダイナミック灌流イメージングを改善するために時間分離法(TST)が発見された。
CT 灌流データから抽出した事前知識を用いて TST を適用するには,CT スキャンから肝臓を正確に区分けする必要がある。
本研究は,マルチスケールアテンションUNetの修正版を異なる肝セグメンテーションタスクでトレーニングするTurbolift Learningを提案する。
論文 参考訳(メタデータ) (2022-07-20T19:38:50Z) - Reference-based Magnetic Resonance Image Reconstruction Using Texture
Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。
変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。
提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文 参考訳(メタデータ) (2021-11-18T03:06:25Z) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳(メタデータ) (2020-08-14T09:23:50Z)
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。