Fugu-MT 論文翻訳(概要): 3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph Convolutional Networks

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

DuoLift-GAN:Reconstructing CT from Single-view and Biplanar X-Rays with Generative Adversarial Networks [1.3812010983144802]
本稿では,DuoLift Generative Adversarial Networks (DuoLift-GAN)を紹介する。これらの3D出力は統合された3D特徴マップにマージされ、完全な3D胸部ボリュームにデコードされ、よりリッチな3D情報キャプチャを可能にする。
論文参考訳（メタデータ） (2024-11-12T17:11:18Z)
NeCA: 3D Coronary Artery Tree Reconstruction from Two 2D Projections by Neural Implicit Representation [2.1771042711033997]
2D x線による冠動脈造影は, CVDの診断において最も広く採用されている画像モダリティである。放射線限界のため、一般的には2つの血管造影プロジェクションのみを取得し、血管形状の限られた情報を提供する。マルチレゾリューションハッシュエンコーダと差別化可能なコーンビームフォワードプロジェクタ層を用いた暗黙のニューラル表現に基づく,NeCAと呼ばれる自己教師型ディープラーニング手法を提案する。
論文参考訳（メタデータ） (2024-09-06T20:08:21Z)
3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文参考訳（メタデータ） (2024-05-17T11:23:33Z)
Intraoperative 2D/3D Image Registration via Differentiable X-ray Rendering [5.617649111108429]
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)
Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-26T14:38:42Z)
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)
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)
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。