論文の概要: Implicit Neural Representations for Modeling of Abdominal Aortic
Aneurysm Progression
- arxiv url: http://arxiv.org/abs/2303.01069v1
- Date: Thu, 2 Mar 2023 08:43:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 15:23:58.016779
- Title: Implicit Neural Representations for Modeling of Abdominal Aortic
Aneurysm Progression
- Title(参考訳): 腹部大動脈瘤進展モデルのための暗黙的神経表現
- Authors: Dieuwertje Alblas, Marieke Hofman, Christoph Brune, Kak Khee Yeung,
Jelmer M. Wolterink
- Abstract要約: 腹部大動脈瘤 (AAA) は腹部大動脈の進行性拡張であり,未治療の場合には致死性病変で破裂する。
AAAの進行をモデル化するための暗黙的神経表現(INR)に基づくモデルを提案する。
- 参考スコア(独自算出の注目度): 3.145216860241017
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Abdominal aortic aneurysms (AAAs) are progressive dilatations of the
abdominal aorta that, if left untreated, can rupture with lethal consequences.
Imaging-based patient monitoring is required to select patients eligible for
surgical repair. In this work, we present a model based on implicit neural
representations (INRs) to model AAA progression. We represent the AAA wall over
time as the zero-level set of a signed distance function (SDF), estimated by a
multilayer perception that operates on space and time. We optimize this INR
using automatically extracted segmentation masks in longitudinal CT data. This
network is conditioned on spatiotemporal coordinates and represents the AAA
surface at any desired resolution at any moment in time. Using regularization
on spatial and temporal gradients of the SDF, we ensure proper interpolation of
the AAA shape. We demonstrate the network's ability to produce AAA
interpolations with average surface distances ranging between 0.72 and 2.52 mm
from images acquired at highly irregular intervals. The results indicate that
our model can accurately interpolate AAA shapes over time, with potential
clinical value for a more personalised assessment of AAA progression.
- Abstract(参考訳): 腹部大動脈瘤 (AAA) は腹部大動脈の進行性拡張であり,未治療の場合には致死性病変で破裂する。
画像に基づく患者モニタリングは、外科治療を受ける患者を選択するために必要である。
本研究では,暗黙的ニューラル表現(INR)に基づくモデルを提案し,AAAの進行をモデル化する。
我々はAAA壁を,空間と時間に作用する多層的知覚によって推定される符号付き距離関数(SDF)のゼロレベル集合として表現する。
縦型ctデータにおいて自動抽出されたセグメンテーションマスクを用いて,このinrを最適化する。
このネットワークは時空間座標で条件付けられ、任意の時点で任意の解像度でAAA表面を表す。
SDFの空間的および時間的勾配を正規化することにより、AAA形状を適切に補間する。
高い不規則な間隔で取得した画像から平均表面距離0.72mmから2.52mmのAAA補間を実現できることを示す。
以上の結果から,本モデルはaaaの進行を経時的に正確に補間できることが示唆された。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳(メタデータ) (2024-10-05T20:03:57Z) - Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。
アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
論文 参考訳(メタデータ) (2023-07-07T18:57:21Z) - Continuous time recurrent neural networks: overview and application to
forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。
重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文 参考訳(メタデータ) (2023-04-14T09:39:06Z) - A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography [0.3387808070669509]
開発したアプローチは、MVアンラスとリーフレットのマルチクラスセグメンテーションのためのU-Netアーキテクチャを備えた3次元マルチデコーダ残差畳み込みニューラルネットワーク(CNN)に依存している。
プロセス全体は最小限のユーザインタラクションを必要とし、約15秒を要する。
論文 参考訳(メタデータ) (2023-02-21T12:48:44Z) - Going Off-Grid: Continuous Implicit Neural Representations for 3D
Vascular Modeling [3.435923468974656]
パーソナライズド3D血管モデルは、心血管疾患患者の診断、予後、治療計画に有用である。
伝統的にそのようなモデルはメッシュやボクセルマスクのような明示的な表現で構築されてきた。
ここでは、その符号付き距離関数のゼロレベル集合によって、微分可能な暗黙的ニューラル表現(INR)で表面を表現することを提案する。
これにより、暗黙的で、連続的で、軽量で、ディープラーニングアルゴリズムとの統合が容易な表現で、複雑な血管構造をモデル化できます。
論文 参考訳(メタデータ) (2022-07-29T13:08:35Z) - CACTUSS: Common Anatomical CT-US Space for US examinations [36.45569352490318]
腹部大動脈瘤(英: Abdominal aortic aneurysm, AAA)は、大動脈の一部が拡大し、その壁を弱め、血管を破裂させる血管疾患である。
近年の腹部CTデータセットは, 深部神経回路の訓練に有効である。
CACTUSSはCTとUSモダリティの間の仮想ブリッジとして機能し、自動AAAスクリーニングソノグラフィーを可能にする。
論文 参考訳(メタデータ) (2022-07-18T14:05:25Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳(メタデータ) (2022-05-05T10:31:57Z) - Modeling and Predicting Blood Flow Characteristics through Double
Stenosed Artery from CFD simulation using Deep Learning Models [0.0]
我々は、単純化された二重狭窄動脈モデルのCFDシミュレーションにより生成されたデータセットを用いて、深層学習モデルを訓練し、血流特性を学習し、予測する。
一般化された単純化されたモデルの観点から、制限された首の幾何学的表現が提案され、以前の仮定よりも優れていた。
論文 参考訳(メタデータ) (2021-12-04T11:16:28Z) - Cine-MRI detection of abdominal adhesions with spatio-temporal deep
learning [0.0]
癒着は腹部手術後の慢性痛の重要な原因である。
近年の腹部シネMRIの進歩により,非侵襲的接着診断が可能となった。
論文 参考訳(メタデータ) (2021-06-15T12:33:54Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳(メタデータ) (2020-06-18T09:49:11Z) - Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。
この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文 参考訳(メタデータ) (2020-01-14T22:55:03Z)
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。