論文の概要: Neural Network Reconstruction of the Left Atrium using Sparse Catheter Paths

• arxiv url: http://arxiv.org/abs/2311.02488v1
• Date: Sat, 4 Nov 2023 19:21:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 17:32:27.888122
• Title: Neural Network Reconstruction of the Left Atrium using Sparse Catheter Paths
• Title（参考訳）: スパースカテーテルパスを用いた左心房の神経再建
• Authors: Alon Baram, Moshe Safran, Tomer Noy, Naveh Geri and Hayit Greenspan
• Abstract要約: カテーテルをベースとした 肺静脈分離の高周波アブレーションは 心房細動の 初めての治療ラインとなりました これは、左心房下心内膜の表面の、肺静脈の肥満を含む、かなり正確な地図を必要とする。 本稿では,左心房の形状を部分的データから再構成する新しい正規化項を持つ高密度エンコーダデコーダネットワークを提案する。
• 参考スコア（独自算出の注目度）: 1.659938529461664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Catheter based radiofrequency ablation for pulmonary vein isolation has become the first line of treatment for atrial fibrillation in recent years. This requires a rather accurate map of the left atrial sub-endocardial surface including the ostia of the pulmonary veins, which requires dense sampling of the surface and takes more than 10 minutes. The focus of this work is to provide left atrial visualization early in the procedure to ease procedure complexity and enable further workflows, such as using catheters that have difficulty sampling the surface. We propose a dense encoder-decoder network with a novel regularization term to reconstruct the shape of the left atrium from partial data which is derived from simple catheter maneuvers. To train the network, we acquire a large dataset of 3D atria shapes and generate corresponding catheter trajectories. Once trained, we show that the suggested network can sufficiently approximate the atrium shape based on a given trajectory. We compare several network solutions for the 3D atrium reconstruction. We demonstrate that the solution proposed produces realistic visualization using partial acquisition within a 3-minute time interval. Synthetic and human clinical cases are shown.
• Abstract（参考訳）: 近年,カテーテルを用いた肺静脈分離用高周波アブレーションが心房細動治療の第一線となっている。 これは、肺静脈のオスティアを含む左心房下心筋表面の比較的正確な地図を必要とし、表面の濃密なサンプリングと10分以上を要する。 この研究の焦点は、手順の早期に左心房の可視化を提供することで、手順の複雑さを緩和し、表面のサンプリングが困難であるカテーテルの使用など、さらなるワークフローを可能にすることである。 簡単なカテーテル操作から得られた部分的データから左心房の形状を再構築する新しい正規化項を持つ高密度エンコーダデコーダネットワークを提案する。 ネットワークをトレーニングするために,3次元アトリア形状の大規模なデータセットを取得し,対応するカテーテル軌道を生成する。 トレーニング後,提案するネットワークは,与えられた軌道に基づいて,十分なアトリリウム形状を近似できることを示す。 3次元心房再建のためのネットワークソリューションをいくつか比較した。 提案手法は3分間の時間間隔で部分的取得を用いて現実的な可視化を実現する。 合成およびヒトの臨床例が示される。

関連論文リスト

• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• N-BVH: Neural ray queries with bounding volume hierarchies [51.430495562430565]
  3Dコンピュータグラフィックスでは、シーンのメモリ使用量の大部分がポリゴンとテクスチャによるものである。 N-BVHは3次元の任意の光線クエリに応答するように設計されたニューラル圧縮アーキテクチャである。 本手法は, 視認性, 深度, 外観特性を忠実に近似する。
  論文  参考訳（メタデータ） (2024-05-25T13:54:34Z)
• 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)
• Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
  マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。 その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
  論文  参考訳（メタデータ） (2023-07-17T14:52:52Z)
• Implicit Neural Networks with Fourier-Feature Inputs for Free-breathing Cardiac MRI Reconstruction [21.261567937245808]
  本研究は、心臓を暗黙のニューラルネットワークで表現し、心臓の表現が測定値と整合するようにネットワークを適合させる再構築手法を提案する。 提案手法は,最先端の未訓練畳み込みニューラルネットワークと同等あるいはわずかに優れた画像品質を実現する。
  論文  参考訳（メタデータ） (2023-05-11T14:14:30Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)
• Pulmonary Vessel Segmentation based on Orthogonal Fused U-Net++ of Chest CT Images [1.8692254863855962]
  胸部CT画像から肺血管セグメンテーションの枠組みと改善過程について検討した。 アプローチの鍵となるのは、3つの軸から2.5D区分けネットワークを応用し、堅牢で完全に自動化された肺血管区分け結果を示す。 提案手法は,他のネットワーク構造よりも大きなマージンで優れ,平均DICEスコア0.9272,精度0.9310を極端に上回っている。
  論文  参考訳（メタデータ） (2021-07-03T21:46:29Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• 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)
• Deep Negative Volume Segmentation [60.44793799306154]
  対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。 我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。 顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
  論文  参考訳（メタデータ） (2020-06-22T16:55:23Z)

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。