論文の概要: High-resolution 3D Maps of Left Atrial Displacements using an
Unsupervised Image Registration Neural Network
- arxiv url: http://arxiv.org/abs/2309.02179v1
- Date: Tue, 5 Sep 2023 12:33:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 14:54:52.908127
- Title: High-resolution 3D Maps of Left Atrial Displacements using an
Unsupervised Image Registration Neural Network
- Title(参考訳): 教師なし画像登録ニューラルネットワークによる左房変位の高分解能3次元マップ
- Authors: Christoforos Galazis, Anil Anthony Bharath and Marta Varela
- Abstract要約: 左心房の機能解析は, 心血管疾患の予後と診断において, ますます重要な役割を担っている。
本研究では、LAを自動的に分割し、心循環全体にわたって変位場を抽出するツールを提案する。
パイプラインは心臓循環を横断するLAの壁を正確に追跡することができ、平均ハウスドルフ距離は2.51 pm 1.3mm$、ディーススコアは92 pm 0.02$である。
- 参考スコア(独自算出の注目度): 2.4633187637169303
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Functional analysis of the left atrium (LA) plays an increasingly important
role in the prognosis and diagnosis of cardiovascular diseases.
Echocardiography-based measurements of LA dimensions and strains are useful
biomarkers, but they provide an incomplete picture of atrial deformations.
High-resolution dynamic magnetic resonance images (Cine MRI) offer the
opportunity to examine LA motion and deformation in 3D, at higher spatial
resolution and with full LA coverage. However, there are no dedicated tools to
automatically characterise LA motion in 3D. Thus, we propose a tool that
automatically segments the LA and extracts the displacement fields across the
cardiac cycle. The pipeline is able to accurately track the LA wall across the
cardiac cycle with an average Hausdorff distance of $2.51 \pm 1.3~mm$ and Dice
score of $0.96 \pm 0.02$.
- Abstract(参考訳): 左心房(la)の機能解析は心血管疾患の予後と診断においてますます重要な役割を担っている。
エコー心電図によるLA次元とひずみの測定はバイオマーカーとして有用であるが、心房変形の不完全な画像を提供する。
高分解能ダイナミック磁気共鳴画像(Cine MRI)は、LAの運動と3次元の変形を高分解能、全LAカバレッジで観察する機会を提供する。
しかし、3DでLAの動きを自動的に特徴づける専用のツールはない。
そこで本稿では,LAを自動的に分割し,心循環全体にわたって変位場を抽出するツールを提案する。
このパイプラインは、平均ハウスドルフ距離が2.51 \pm 1.3~mm$、ダイススコアが0.96 \pm 0.02$で、心臓周期のla壁を正確に追跡することができる。
関連論文リスト
- High-Resolution Maps of Left Atrial Displacements and Strains Estimated
with 3D CINE MRI and Unsupervised Neural Networks [1.2625645258135052]
左心房の機能解析は心疾患の評価や心房細動などの疾患の理解に重要である。
Cine MRIは、LA運動と変形の詳細な3D特徴付けに理想的であるが、適切な取得と解析ツールが欠如している。
我々は,高分解能3DシネMRIから局所的なLA変形を自動的かつ確実に特徴付けるために,非重畳型ニューラルネットワークtextitAladdin を用いた左心房変位と変形の解析を行った。
論文 参考訳(メタデータ) (2023-12-14T23:00:11Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳(メタデータ) (2023-11-22T05:44:51Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-09T05:57:01Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳(メタデータ) (2023-09-25T19:34:12Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - 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) - MulViMotion: Shape-aware 3D Myocardial Motion Tracking from Multi-View
Cardiac MRI [11.685829837689404]
心臓の連続した3次元運動場を学習するためのマルチビューモーション推定ネットワーク(MulViMotion)を提案する。
左室心筋の3次元運動追跡のための英国バイオバンク研究の580名の被験者から得られた2D cine CMR画像に対する提案手法を広範に評価した。
論文 参考訳(メタデータ) (2022-07-29T18:29:52Z) - Tempera: Spatial Transformer Feature Pyramid Network for Cardiac MRI
Segmentation [0.41371009341458315]
本研究は,短軸心MR画像と長軸心MR画像の両方において,RVのセグメンテーションに重点を置いている。
このモデルでは,SAとLAの平均Diceスコアは0.836,LAは0.798,Hausdorff距離は26.31mm,Hausdorff距離は31.19mmである。
論文 参考訳(メタデータ) (2022-03-01T11:05:51Z) - PC-U Net: Learning to Jointly Reconstruct and Segment the Cardiac Walls
in 3D from CT Data [18.941064150226236]
2次元CTスライスから直接LV MYO壁の点雲を直接再構成するPC-Uネットを提案する。
提案したPC-Uネットの協調学習フレームワークは,自動心画像解析タスクに有用である。
論文 参考訳(メタデータ) (2020-08-18T23:37:05Z) - Left Ventricular Wall Motion Estimation by Active Polynomials for Acute
Myocardial Infarction Detection [18.93271742586598]
本稿では, 左室壁の大域的運動を, 頑健かつ正確な方法で正確に推定できる新しい手法であるActive Polynomialsを提案する。
提案アルゴリズムは,急性MIの早期診断を支援するために,LV壁セグメントに発生する真の壁運動を定量化する。
論文 参考訳(メタデータ) (2020-08-11T10:29:22Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z)
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。