論文の概要: 3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph
Convolutional Networks
- arxiv url: http://arxiv.org/abs/2302.14795v1
- Date: Tue, 28 Feb 2023 17:46:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 15:01:19.521213
- Title: 3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph
Convolutional Networks
- Title(参考訳): Graph Convolutional Networks を用いたBi-Plane Angiography を用いた3次元冠動脈再建術
- Authors: Kit Mills Bransby, Vincenzo Tufaro, Murat Cap, Greg Slabaugh, Christos
Bourantas, Qianni Zhang
- Abstract要約: 3DAngioNetは、2つのビューから2D XCA画像を使用して高速な3Dコンテナメッシュ再構築を可能にする、新しいディープラーニング(DL)システムである。
提案手法は,効率的なB3-UNetセグメンテーションネットワークとプロジェクションジオメトリを用いて粗いメッシュテンプレートを学習し,グラフ畳み込みネットワークを用いて変形する。
- 参考スコア(独自算出の注目度): 1.8244763402770727
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: X-ray coronary angiography (XCA) is used to assess coronary artery disease
and provides valuable information on lesion morphology and severity. However,
XCA images are 2D and therefore limit visualisation of the vessel. 3D
reconstruction of coronary vessels is possible using multiple views, however
lumen border detection in current software is performed manually resulting in
limited reproducibility and slow processing time. In this study we propose
3DAngioNet, a novel deep learning (DL) system that enables rapid 3D vessel mesh
reconstruction using 2D XCA images from two views. Our approach learns a coarse
mesh template using an EfficientB3-UNet segmentation network and projection
geometries, and deforms it using a graph convolutional network. 3DAngioNet
outperforms similar automated reconstruction methods, offers improved
efficiency, and enables modelling of bifurcated vessels. The approach was
validated using state-of-the-art software verified by skilled cardiologists.
- Abstract(参考訳): X線冠動脈造影(XCA)は冠動脈疾患の評価に用いられ、病変形態や重症度に関する貴重な情報を提供する。
しかしながら、XCA画像は2Dであるため、血管の可視化は制限される。
冠状血管の3次元再構築は複数の視点で行うことができるが,現在のソフトウェアでは結節境界検出が手作業で行われ,再現性が制限され処理時間が遅い。
本研究では,2次元xca画像を用いた高速3次元血管メッシュ再構成を実現する,新しい深層学習(dl)システムである3dangionetを提案する。
提案手法は,効率的なB3-UNetセグメンテーションネットワークとプロジェクションジオメトリを用いて粗いメッシュテンプレートを学習し,グラフ畳み込みネットワークを用いて変形する。
3DAngioNetは、同様の自動再構築方法より優れ、効率が向上し、分岐船のモデリングを可能にする。
このアプローチは、熟練した心科医が検証した最先端のソフトウェアを用いて検証された。
関連論文リスト
- 3D Vascular Segmentation Supervised by 2D Annotation of Maximum
Intensity Projection [33.34240545722551]
血管構造のセグメンテーションは、医学的分析と臨床応用において重要な役割を担っている。
既存の弱監督法は, スパース血管構造を扱う際に, 最適下肢機能を示した。
ここでは,3次元体積の次元を2次元画像に変換するために,最大強度投影(MIP)を用いる。
MIPを介して2D-3Dの深い特徴を融合してセグメンテーション性能を向上させる弱教師付きネットワークを導入する。
論文 参考訳(メタデータ) (2024-02-19T13:24:46Z) - Intraoperative 2D/3D Image Registration via Differentiable X-ray
Rendering [6.136878084725444]
DiffPoseは、患者固有のシミュレーションと微分可能な物理ベースのレンダリングを利用して、手動でラベル付けされたデータに頼ることなく正確な2D/3D登録を実現する自己教師型アプローチである。
DiffPoseは手術用データセット全体の術速でサブミリ精度を達成し、既存の教師なしの手法を桁違いに改善し、教師付きベースラインよりも優れています。
論文 参考訳(メタデータ) (2023-12-11T13:05:54Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳(メタデータ) (2023-07-24T14:43:07Z) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳(メタデータ) (2023-05-27T03:55:19Z) - Enforcing connectivity of 3D linear structures using their 2D
projections [54.0598511446694]
本稿では,2次元投影におけるトポロジ認識損失の総和を最小化することにより,結果の3次元接続性を改善することを提案する。
これにより、精度の向上と、アノテーション付きトレーニングデータの提供に必要なアノテーションの労力の削減が図られる。
論文 参考訳(メタデータ) (2022-07-14T11:42:18Z) - Transfer Learning from an Artificial Radiograph-landmark Dataset for
Registration of the Anatomic Skull Model to Dual Fluoroscopic X-ray Images [0.4205692673448206]
人工データセットからトレーニングしたディープニューラルネットワークを用いた3次元から2次元への3次元登録のための移動学習戦略を提案する。
女性被験者の頭頸部CTデータから,デジタル再構成X線写真(DRR)とX線学的頭蓋骨のランドマークを自動生成した。
ランドマーク検出のための残留ネットワーク(ResNet)と、DRRと実際のX線とのスタイルの違いを取り除くためにGAN(Cycle Generative Adversarial Network)のトレーニングに使用された。
人工的なトレーニングデータを戦略的に増強する手法は、複雑な頭蓋骨登録シナリオに取り組むことができ、広範な登録シナリオにまで拡張する可能性がある。
論文 参考訳(メタデータ) (2021-08-14T04:49:36Z) - 3D Vessel Reconstruction in OCT-Angiography via Depth Map Estimation [26.489218604637678]
2次元OCTA画像(顔血管造影)における血管のマニュアルまたは自動解析は、一般的に臨床で用いられる。
OCTA画像から船舶深度マップを推定した新しい3次元船舶再構築フレームワークを紹介します。
論文 参考訳(メタデータ) (2021-02-26T16:53:39Z) - Learning Hybrid Representations for Automatic 3D Vessel Centerline
Extraction [57.74609918453932]
3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。
既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。
抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。
この課題を解決するためのハイブリッド表現学習手法を提案します。
論文 参考訳(メタデータ) (2020-12-14T05:22:49Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳(メタデータ) (2020-10-19T13:56:22Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳(メタデータ) (2020-06-25T21:10:04Z) - Weakly-supervised 3D coronary artery reconstruction from two-view
angiographic images [4.722039838364292]
本稿では,3次元冠状動脈モデル構築のための対角的および生成的手法を提案する。
3D完全教師付き学習法と2D弱教師付き学習法により,最先端技術を上回る再現精度を得た。
論文 参考訳(メタデータ) (2020-03-26T11:41:38Z)
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。