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
- Enhancing Weakly Supervised 3D Medical Image Segmentation through
Probabilistic-aware Learning [52.249748801637196]
3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。
近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。
本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
論文 参考訳(メタデータ) (2024-03-05T00:46:53Z) - Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI [23.142320453773696]
ダイナミックMRI(Dynamic MRI)は心臓の診断に不可欠である。
高速撮像を実現するため、k空間データをアンサンプできるが、画像再構成は高次元処理の大きな課題となる。
本研究は,高度に制限された学習データでも優れた次元再現型分離学習手法を応用した,新規で効率的な手法を提案する。
論文 参考訳(メタデータ) (2024-02-24T23:56:15Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳(メタデータ) (2023-12-19T22:40:51Z) - 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) - Reconstructing the somatotopic organization of the corticospinal tract
remains a challenge for modern tractography methods [55.07297021627281]
CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。
拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
論文 参考訳(メタデータ) (2023-06-09T02:05:40Z) - Motion Artifacts Detection in Short-scan Dental CBCT Reconstructions [5.147799140853288]
Cone Beam Computed Tomography (CBCT) は歯科診断や治療計画に広く用いられている。
本研究は, 補正アルゴリズムを使わずに, クリーンショートスキャン体積を再構成することのできる, 走査投影の運動自由部分を抽出する枠組みを用いた。
データ不足に対処するために、現実的なモーションシミュレーション戦略とデータ拡張が実装されている。
論文 参考訳(メタデータ) (2023-04-20T08:28:44Z) - 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) - Predicting Thrombectomy Recanalization from CT Imaging Using Deep
Learning Models [7.102894759193281]
術前CTとCTA画像を用いて,患者の再石灰化スコアの完全自動予測を提案した。
我々のトップモデルは平均クロスバリデードROC-AUC 77.33 $pm$3.9%を達成した。
論文 参考訳(メタデータ) (2023-02-08T15:41:21Z) - 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) - CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for
Non-Contrast to Contrast CT Translation [56.622832383316215]
コントラストCTを非コントラストCTに変換する手法を提案する。
提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。
実験の結果、CyTranは競合するすべての手法より優れています。
論文 参考訳(メタデータ) (2021-10-12T23:25:03Z)
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。