論文の概要: Shape of my heart: Cardiac models through learned signed distance functions

• arxiv url: http://arxiv.org/abs/2308.16568v3
• Date: Tue, 21 May 2024 09:13:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-22 19:20:36.659876
• Title: Shape of my heart: Cardiac models through learned signed distance functions
• Title（参考訳）: 心臓の形状:学習された距離関数による心臓モデル
• Authors: Jan Verhülsdonk, Thomas Grandits, Francisco Sahli Costabal, Thomas Pinetz, Rolf Krause, Angelo Auricchio, Gundolf Haase, Simone Pezzuto, Alexander Effland,
• Abstract要約: 本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。 この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。 また,本手法は1つの心室からの点雲などの部分的データから解剖モデルを再構築することも可能であることを示す。
• 参考スコア（独自算出の注目度）: 33.29148402516714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The efficient construction of anatomical models is one of the major challenges of patient-specific in-silico models of the human heart. Current methods frequently rely on linear statistical models, allowing no advanced topological changes, or requiring medical image segmentation followed by a meshing pipeline, which strongly depends on image resolution, quality, and modality. These approaches are therefore limited in their transferability to other imaging domains. In this work, the cardiac shape is reconstructed by means of three-dimensional deep signed distance functions with Lipschitz regularity. For this purpose, the shapes of cardiac MRI reconstructions are learned to model the spatial relation of multiple chambers. We demonstrate that this approach is also capable of reconstructing anatomical models from partial data, such as point clouds from a single ventricle, or modalities different from the trained MRI, such as the electroanatomical mapping (EAM).
• Abstract（参考訳）: 解剖学的モデルの効率的な構築は、患者固有のヒト心臓のシリコン内モデルの主要な課題の1つである。 現在の手法は、しばしば線形統計モデルに頼り、高度なトポロジカルな変化を許さず、あるいは、画像解像度、品質、モダリティに強く依存するメッシュパイプラインが続く医療画像セグメンテーションを必要とする。 これらのアプローチは、他のイメージング領域への転送可能性に制限される。 本研究では、リプシッツ正則性を持つ3次元深部符号距離関数を用いて心臓の形状を再構成する。 この目的のために、心臓MRIの形状を学習し、複数の室の空間的関係をモデル化する。 また, 単一心室からの点群や, EAM (Electroanatomical Mapping) などの訓練MRIと異なるモダリティなどの部分的データから解剖モデルを再構成できることを示す。

関連論文リスト

• Spatio-temporal neural distance fields for conditional generative modeling of the heart [0.10481793104300056]
  本稿では,時間的神経野の形で形と動きを暗黙的にモデル化し,臨床デモグラフィーに基づく条件付き生成モデルを提案する。 左心房で検査され、現在の配列解剖学的完了合成配列よりも優れている。 これは、静的画像から機能的計測を推測し、特定のデモグラフィーまたは疾患で合成集団を生成し、非画像臨床データが心臓解剖の形状と運動にどのように影響するかを調査することができることを意味している。
  論文  参考訳（メタデータ） (2024-07-15T12:26:52Z)
• Signed Distance Field based Segmentation and Statistical Shape Modelling of the Left Atrial Appendage [0.13431733228151765]
  心房細動の患者は虚血性脳梗塞のリスクを5〜7倍に高める。 血栓局在の最も一般的な部位は左心房補助 (LAA) 内である 研究により、LAAの形状と虚血性脳卒中リスクの相関が示されている。
  論文  参考訳（メタデータ） (2024-02-12T15:21:58Z)
• ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
  ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。 これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。 テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
  論文  参考訳（メタデータ） (2023-12-11T07:09:32Z)
• SDF4CHD: Generative Modeling of Cardiac Anatomies with Congenital Heart Defects [1.7253131980161722]
  先天性心疾患(CHD)は、心臓血管構造異常のスペクトルを含む。 ディープラーニング(DL)手法は、効率的な治療計画を可能にする可能性を実証している。 しかし、CHDは稀であり、そのようなDLモデルの訓練に十分な量の患者コホートを取得することは困難である。 異なるCHDタイプで観察される心臓解剖の幅広いスペクトルを捉えるのに適したタイプと形状の異なる生成手法を提案する。
  論文  参考訳（メタデータ） (2023-11-01T06:50:53Z)
• 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)
• S3M: Scalable Statistical Shape Modeling through Unsupervised Correspondences [91.48841778012782]
  本研究では,集団解剖学における局所的および大域的形状構造を同時に学習するための教師なし手法を提案する。 我々のパイプラインは、ベースライン法と比較して、SSMの教師なし対応推定を大幅に改善する。 我々の手法は、ノイズの多いニューラルネットワーク予測から学ぶのに十分堅牢であり、より大きな患者にSSMを拡張できる可能性がある。
  論文  参考訳（メタデータ） (2023-04-15T09:39:52Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Statistical Shape Modeling of Biventricular Anatomy with Shared Boundaries [16.287876512923084]
  本稿では,共有境界を持つ多臓器解剖学の統計的形状モデルを構築するための汎用的で柔軟なデータ駆動手法を提案する。 心臓の共有境界における形状変化は、非協調的収縮と低臓器灌流を引き起こす潜在的な病理学的変化を示す可能性がある。
  論文  参考訳（メタデータ） (2022-09-06T15:54:37Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• CNN-based Cardiac Motion Extraction to Generate Deformable Geometric Left Ventricle Myocardial Models from Cine MRI [0.0]
  Cine心MR画像からLV心筋の患者特異的幾何モデルの開発のための枠組みを提案する。 我々はvoxelmorph-based convolutional neural network (cnn) を用いて、心周期の次のフレームにエンドダイアゾールフレームの等表面メッシュとボリュームメッシュを伝搬する。
  論文  参考訳（メタデータ） (2021-03-30T21:34:29Z)

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。