論文の概要: BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images

• arxiv url: http://arxiv.org/abs/2309.09410v1
• Date: Mon, 18 Sep 2023 00:38:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 15:44:17.317733
• Title: BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images
• Title（参考訳）: BRONCO:CT画像を用いた気管支血管束の自動モデリング
• Authors: Wojciech Pra\.zuch, Marek Socha, Anna Mrukwa, Aleksandra Suwalska, Agata Durawa, Malgorzata Jelitto-G\'orska, Katarzyna Dziadziuszko, Edyta Szurowska, Pawel Bo\.zek, Michal Marczyk, Witold Rzyman, Joanna Polanska
• Abstract要約: 我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。 我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
• 参考スコア（独自算出の注目度）: 32.586316762855944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmentation of the bronchovascular bundle within the lung parenchyma is a key step for the proper analysis and planning of many pulmonary diseases. It might also be considered the preprocessing step when the goal is to segment the nodules from the lung parenchyma. We propose a segmentation pipeline for the bronchovascular bundle based on the Computed Tomography images, returning either binary or labelled masks of vessels and bronchi situated in the lung parenchyma. The method consists of two modules, modeling of the bronchial tree and vessels. The core revolves around a similar pipeline, the determination of the initial perimeter by the GMM method, skeletonization, and hierarchical analysis of the created graph. We tested our method on both low-dose CT and standard-dose CT, with various pathologies, reconstructed with various slice thicknesses, and acquired from various machines. We conclude that the method is invariant with respect to the origin and parameters of the CT series. Our pipeline is best suited for studies with healthy patients, patients with lung nodules, and patients with emphysema.
• Abstract（参考訳）: 肺小葉内の気管支血管束の分画は,多くの肺疾患の適切な解析と計画のための重要なステップである。 また、結節を肺実質から切り離すことを目標とする前処理段階と考えることもできる。 我々は,CT画像に基づく気管支血管束の分枝パイプラインを提案し,肺小葉に位置する血管および気管支の2次元またはラベル付きマスクを返却した。 この方法は2つのモジュールから構成され、気管支木と血管のモデリングである。 コアは、同様のパイプラインを中心に回転し、GMM法による初期周方向の決定、骨格化、生成したグラフの階層解析を行う。 低線量CTと標準線量CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種装置から取得した。 本手法はCTシリーズの起源とパラメータに関して不変である。 このパイプラインは健常者、肺結節患者、気腫患者の研究に最適である。

関連論文リスト

• Robust deep labeling of radiological emphysema subtypes using squeeze and excitation convolutional neural networks: The MESA Lung and SPIROMICS Studies [34.200556207264974]
  肺気腫は進行性で不可逆的な肺組織喪失である。 最近の研究は、肺CTにおける空間的インフォームド肺テクスチャパターン(ss)の教師なし学習につながっている。 肺CT上のss CNNとCTESの教師あり分類のための3次元圧縮・励起モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-01T03:45:56Z)
• MEDPSeg: Hierarchical polymorphic multitask learning for the segmentation of ground-glass opacities, consolidation, and pulmonary structures on computed tomography [37.119000111386924]
  MEDPSegは階層型多形マルチタスク学習(HPML)を通して異種胸部CTターゲットから学習する 本稿では,GGOと統合セグメンテーションタスクの最先端性能を実現するPMLについて述べる。 さらに、MEDPSegは肺発作、気道、肺動脈、肺病変の分節を同時に行う。
  論文  参考訳（メタデータ） (2023-12-04T21:46:39Z)
• 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)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Automatic Pulmonary Artery and Vein Separation Algorithm Based on Multitask Classification Network and Topology Reconstruction in Chest CT Images [6.7068805048290425]
  胸部CT像から肺動脈と静脈を自動的に分離する新しい方法を提案する。 提案手法は非コントラスト胸部CTの平均精度96.2%を達成した。
  論文  参考訳（メタデータ） (2021-03-22T11:25:45Z)
• Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
  心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。 これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
  論文  参考訳（メタデータ） (2020-08-13T12:53:26Z)
• Segmentation of Pulmonary Opacification in Chest CT Scans of COVID-19 Patients [3.140265238474236]
  胸部CT(CT)スキャンにおける肺不透明化パターンのセグメンテーションのためのオープンソースモデルについて検討した。 世界中の医療センターで663個の胸部CT検査を行った。 本研究の最適モデルは,テストセットで0.76オパシティ・インターセクション・オーバー・ユニオンスコアを達成し,ドメイン適応を成功させ,専門家の1.7%以内のオパシティの容積を予測する。
  論文  参考訳（メタデータ） (2020-07-07T17:32:24Z)
• Deep Residual 3D U-Net for Joint Segmentation and Texture Classification of Nodules in Lung [91.3755431537592]
  肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。 提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
  論文  参考訳（メタデータ） (2020-06-25T07:20:41Z)
• Generative-based Airway and Vessel Morphology Quantification on Chest CT Images [8.414072468546875]
  本稿では, 気道ラウンジ, 気道壁厚, 血管半径の断面計測を行う畳み込みニューラルレグレシタ(CNR)を提案する。 CNRは、SimulatedおよびUnversa Generative Adrial Network(SimGAN)と組み合わせて使用される合成構造の生成モデルによって生成されたデータを用いて訓練される 血管では小血管血液量の推定値と一酸化炭素(DLCO)の肺拡散能の相関性を評価する。
  論文  参考訳（メタデータ） (2020-02-13T18:45:31Z)

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。