論文の概要: O2CTA: Introducing Annotations from OCT to CCTA in Coronary Plaque Analysis

• arxiv url: http://arxiv.org/abs/2303.06358v2
• Date: Fri, 11 Aug 2023 05:36:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 17:22:01.388684
• Title: O2CTA: Introducing Annotations from OCT to CCTA in Coronary Plaque Analysis
• Title（参考訳）: O2CTA:冠動脈プラーク解析におけるOCTからCCTAへのアノテーション導入
• Authors: Jun Li, Kexin Li, Yafeng Zhou, S. Kevin Zhou
• Abstract要約: 冠動脈造影(CCTA)は動脈造影や狭窄度判定に広く用いられている。 侵襲的光コヒーレンス断層撮影(OCT)により、医師のトラブルを伴わずに解決することができるが、高いコストと潜在的なリスクを患者にもたらすことができる。 我々は,O2CTA問題に対処する手法を提案する。CCTAスキャンはまず,意味内容の観点からOCT画像と一致するマルチ平面再構成(MPR)画像に再構成される。 OCTの動脈セグメントは手動でラベル付けされ、提案したアライメント戦略を介してMPR画像の動脈全体と空間的に整列する。
• 参考スコア（独自算出の注目度）: 19.099761377777412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Targeted diagnosis and treatment plans for patients with coronary artery disease vary according to atherosclerotic plaque component. Coronary CT angiography (CCTA) is widely used for artery imaging and determining the stenosis degree. However, the limited spatial resolution and susceptibility to artifacts fail CCTA in obtaining lumen morphological characteristics and plaque composition. It can be settled by invasive optical coherence tomography (OCT) without much trouble for physicians, but bringing higher costs and potential risks to patients. Therefore, it is clinically critical to introduce annotations of plaque tissue and lumen characteristics from OCT to paired CCTA scans, denoted as \textbf{the O2CTA problem} in this paper. We propose a method to handle the O2CTA problem. CCTA scans are first reconstructed into multi-planar reformatted (MPR) images, which agree with OCT images in term of semantic contents. The artery segment in OCT, which is manually labelled, is then spatially aligned with the entire artery in MPR images via the proposed alignment strategy. Finally, a classification model involving a 3D CNN and a Transformer, is learned to extract local features and capture dependence along arteries. Experiments on 55 paired OCT and CCTA we curate demonstrate that it is feasible to classify the CCTA based on the OCT labels, with an accuracy of 86.2%, while the manual readings of OCT and CCTA vary significantly, with a Kappa coefficient of 0.113. We will make our source codes, models, data, and results publicly available to benefit the research community.
• Abstract（参考訳）: 冠動脈疾患の診断と治療計画は動脈硬化プラーク成分によって異なる。 冠動脈造影(CCTA)は動脈造影や狭窄度判定に広く用いられている。 しかし, 人工物に対する空間分解能と感受性の制限は, 腔形態特性とプラーク組成を得る際にCCTAを損なう。 侵襲的光コヒーレンス断層撮影(OCT)により、医師のトラブルを伴わずに解決できるが、高いコストと潜在的なリスクをもたらす。 そこで本論文では,OCTからペアCCTAスキャンへのプラーク組織および腔内性状のアノテーションの導入が臨床的に重要である。 O2CTA問題に対処する手法を提案する。 cctaスキャンはまずマルチプランナー・リフォーム・アット(mpr)画像に再構成され、意味的な内容でoct画像と一致する。 OCTの動脈セグメントは手動でラベル付けされ、提案したアライメント戦略を介してMPR画像の動脈全体と空間的に整列する。 最後に、3D CNNとTransformerを含む分類モデルを学習し、局所的な特徴を抽出し、動脈に沿って依存を捕捉する。 55対の OCT と CCTA の実験では,OCT ラベルに基づいて CCTA の分類が可能であり,精度は 86.2% であり,OCT と CCTA のマニュアル読み出しは Kappa 係数が0.113 である。 私たちは、研究コミュニティに利益をもたらすために、ソースコード、モデル、データ、結果を公開します。

関連論文リスト

• AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
  CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。 AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。 1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
  論文  参考訳（メタデータ） (2024-06-13T01:04:47Z)
• Coronary artery segmentation in non-contrast calcium scoring CT images using deep learning [2.2687766762329886]
  非コントラスト心エコー画像における冠状動脈のセグメンテーションのためのディープラーニングアルゴリズムを提案する。 テストGTを作成するために,手動メッシュ画像登録のための新しい手法を提案する。 実験結果から,トレーニングに使用するGTよりもトレーニングモデルの精度が有意に高く,相互変動に近いDiceとclDiceの測定値が得られた。
  論文  参考訳（メタデータ） (2024-03-04T23:40:02Z)
• Pericoronary adipose tissue feature analysis in CT calcium score images with comparison to coronary CTA [3.9387305699226087]
  冠動脈周囲脂肪組織(PCAT)は重症心血管障害(MACE)と関連している 冠動脈CTカルシウムスコア(CCTA)から得られたPCATの特徴は心血管疾患のリスクと相関するが,ヨードが関与する可能性がある。 冠状動脈のPCAT特徴を解析するための新しい軸方向ディスク法を開発した。
  論文  参考訳（メタデータ） (2024-01-28T03:25:38Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• 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)
• Segmentation and Vascular Vectorization for Coronary Artery by Geometry-based Cascaded Neural Network [26.88627331841325]
  そこで本研究では,冠動脈の形状をベースとしたカスケード分割法を提案する。 冠動脈のメッシュは連続的かつ正確であり, ねじれ, 洗練された冠状動脈構造を有する。 本手法は, 分節血管の断片化を伴わない, 正確で無傷でスムーズな冠動脈を作製する。
  論文  参考訳（メタデータ） (2023-05-07T07:26:41Z)
• Computed tomography coronary angiogram images, annotations and associated data of normal and diseased arteries [8.516530964229814]
  CTCAは冠動脈の解剖と疾患を評価する非侵襲的手法である。 私たちの知る限り、完全な冠状樹の中心線とセグメンテーションを含むパブリックデータセットはありません。 データは、患者固有の3Dプリンティングモデル、セグメンテーションアルゴリズムの開発と検証、医療従事者の教育と訓練、医療機器のテストなど、様々な研究目的に使用できる。
  論文  参考訳（メタデータ） (2022-11-03T14:50:43Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。