論文の概要: AngioMoCo: Learning-based Motion Correction in Cerebral Digital Subtraction Angiography

• arxiv url: http://arxiv.org/abs/2310.05445v1
• Date: Mon, 9 Oct 2023 06:42:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 07:19:31.462464
• Title: AngioMoCo: Learning-based Motion Correction in Cerebral Digital Subtraction Angiography
• Title（参考訳）: AngioMoCo:脳デジタルサブトラクション血管造影における学習に基づく運動補正
• Authors: Ruisheng Su, Matthijs van der Sluijs, Sandra Cornelissen, Wim van Zwam, Aad van der Lugt, Wiro Niessen, Danny Ruijters, Theo van Walsum, and Adrian Dalca
• Abstract要約: 脳X線デジタルサブトラクション血管造影(DSA)は、血流を可視化し、血管内治療を導くための標準的な画像技術である。 DSAの品質は、取得中に身体の動きに負の影響を受け、診断値が低下する。 我々は,X線アンギオグラフィーから運動補償DSAシーケンスを生成する学習ベースのフレームワークAngioMoCoを提案する。
• 参考スコア（独自算出の注目度）: 1.8537989329832776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cerebral X-ray digital subtraction angiography (DSA) is the standard imaging technique for visualizing blood flow and guiding endovascular treatments. The quality of DSA is often negatively impacted by body motion during acquisition, leading to decreased diagnostic value. Time-consuming iterative methods address motion correction based on non-rigid registration, and employ sparse key points and non-rigidity penalties to limit vessel distortion. Recent methods alleviate subtraction artifacts by predicting the subtracted frame from the corresponding unsubtracted frame, but do not explicitly compensate for motion-induced misalignment between frames. This hinders the serial evaluation of blood flow, and often causes undesired vasculature and contrast flow alterations, leading to impeded usability in clinical practice. To address these limitations, we present AngioMoCo, a learning-based framework that generates motion-compensated DSA sequences from X-ray angiography. AngioMoCo integrates contrast extraction and motion correction, enabling differentiation between patient motion and intensity changes caused by contrast flow. This strategy improves registration quality while being substantially faster than iterative elastix-based methods. We demonstrate AngioMoCo on a large national multi-center dataset (MR CLEAN Registry) of clinically acquired angiographic images through comprehensive qualitative and quantitative analyses. AngioMoCo produces high-quality motion-compensated DSA, removing motion artifacts while preserving contrast flow. Code is publicly available at https://github.com/RuishengSu/AngioMoCo.
• Abstract（参考訳）: 脳X線デジタルサブトラクション血管造影(DSA)は、血流を可視化し血管内治療を導く標準的な画像技術である。 dsaの品質は、しばしば取得中の体の動きに悪影響を与え、診断価値が低下する。 時間消費反復法は、非剛性登録に基づく動作補正に対処し、血管の歪みを制限するために疎鍵点と非剛性ペナルティを用いる。 最近の手法では、減算されたフレームを対応する減算されたフレームから予測することで減算アーティファクトを緩和するが、フレーム間の動きによる不一致を明示的に補償しない。 これにより、血流の連続的な評価が妨げられ、しばしば望ましくない血管や造影剤の流れの変化が引き起こされ、臨床での使い勝手が損なわれる。 この制限に対処するために,x線アンギオグラフィからdsaシーケンスを生成する学習ベースのフレームワークであるangiomocoを提案する。 AngioMoCoはコントラスト抽出と運動補正を統合し、コントラストフローによる患者の動きと強度変化の区別を可能にする。 この戦略は、反復エラストックスベースのメソッドよりも大幅に高速であると同時に、登録品質を向上させる。 臨床に取得した血管造影画像の大規模な全国多施設データセット(MR CLEAN Registry)上で,総合的質的,定量的解析によりAngioMoCoを実証した。 AngioMoCoは高品質なモーション補償DSAを生成し、コントラストフローを保持しながら、モーションアーティファクトを除去する。 コードはhttps://github.com/RuishengSu/AngioMoCo.comで公開されている。

関連論文リスト

• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• IM-MoCo: Self-supervised MRI Motion Correction using Motion-Guided Implicit Neural Representations [2.2265038612930663]
  磁気共鳴イメージング(MRI)における運動アーティファクトは、比較的長い取得時間によって生じる。 従来の動き補正法は、しばしば激しい動きに対処できず、歪んだり信頼性の低い結果をもたらす。 Inlicit Neural Representation (INR) を利用したインスタンスワイド動作補正パイプラインを提案する。 本手法は, 動作不良画像と比較して, 少なくとも1.5ドル以上の精度で分類結果を改善する。
  論文  参考訳（メタデータ） (2024-07-03T10:14:33Z)
• LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation [5.377722774297911]
  本稿では,標準CMRビデオから高精度なDENSE動作を予測するため,新しいラミネートモーション拡散モデル(LaMoD)を提案する。 実験の結果,提案手法であるLaMoDは標準CMR画像の動作解析の精度を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T12:54:32Z)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction [15.380659401728735]
  本稿では,TAI-GAN(Temporally and Anatomically Informed Generative Adrial Network)と呼ばれる新しい手法を提案する。 提案手法は臨床用82-Rb PETデータセットを用いて評価し, この結果から, TAI-GANは実際の参照フレームに匹敵する高画質の変換早期フレームを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-14T20:39:07Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data [3.690756997172894]
  運動補正は胎児脳の機能的磁気共鳴イメージング(fMRI)において重要な前処理ステップである。 胎児のfMRIに対する現在の動作補正手法は、特定の取得時点から1つの3Dボリュームを選択する。 本稿では,外乱運動補正を用いて高解像度の基準体積を推定する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-11T19:11:16Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans [63.28835187934139]
  本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
  論文  参考訳（メタデータ） (2020-06-24T15:25:11Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。