論文の概要: SIRE: scale-invariant, rotation-equivariant estimation of artery orientations using graph neural networks

• arxiv url: http://arxiv.org/abs/2311.05400v1
• Date: Thu, 9 Nov 2023 14:32:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 15:04:38.981367
• Title: SIRE: scale-invariant, rotation-equivariant estimation of artery orientations using graph neural networks
• Title（参考訳）: SIRE:グラフニューラルネットワークを用いた動脈方位のスケール不変、回転同変推定
• Authors: Dieuwertje Alblas, Julian Suk, Christoph Brune, Kak Khee Yeung, Jelmer M. Wolterink
• Abstract要約: 局所容器配向のためのスケール不変な回転同変推定器 SIRE を提案する。 SIREは、様々なラジイを持つ任意指向の船で訓練することができ、幅広い口径と好奇心を持つ船に一般化することができる。 センタライントラッカーにSIREを組み込み、SIREがトレーニングされているデータに関係なく、正確にAAAを追跡する。
• 参考スコア（独自算出の注目度）: 2.439909645714735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blood vessel orientation as visualized in 3D medical images is an important descriptor of its geometry that can be used for centerline extraction and subsequent segmentation and visualization. Arteries appear at many scales and levels of tortuosity, and determining their exact orientation is challenging. Recent works have used 3D convolutional neural networks (CNNs) for this purpose, but CNNs are sensitive to varying vessel sizes and orientations. We present SIRE: a scale-invariant, rotation-equivariant estimator for local vessel orientation. SIRE is modular and can generalise due to symmetry preservation. SIRE consists of a gauge equivariant mesh CNN (GEM-CNN) operating on multiple nested spherical meshes with different sizes in parallel. The features on each mesh are a projection of image intensities within the corresponding sphere. These features are intrinsic to the sphere and, in combination with the GEM-CNN, lead to SO(3)-equivariance. Approximate scale invariance is achieved by weight sharing and use of a symmetric maximum function to combine multi-scale predictions. Hence, SIRE can be trained with arbitrarily oriented vessels with varying radii to generalise to vessels with a wide range of calibres and tortuosity. We demonstrate the efficacy of SIRE using three datasets containing vessels of varying scales: the vascular model repository (VMR), the ASOCA coronary artery set, and a set of abdominal aortic aneurysms (AAAs). We embed SIRE in a centerline tracker which accurately tracks AAAs, regardless of the data SIRE is trained with. Moreover, SIRE can be used to track coronary arteries, even when trained only with AAAs. In conclusion, by incorporating SO(3) and scale symmetries, SIRE can determine the orientations of vessels outside of the training domain, forming a robust and data-efficient solution to geometric analysis of blood vessels in 3D medical images.
• Abstract（参考訳）: 3次元医用画像で可視化される血管の向きは、中心線抽出とその後のセグメンテーションと可視化に使用できる幾何学の重要な記述である。 動脈は様々なスケールで出現し、その正確な向きを決定することは困難である。 最近の研究では3次元畳み込みニューラルネットワーク(cnns)が使用されているが、cnnは容器のサイズや向きに敏感である。 局所容器配向のためのスケール不変な回転同変推定器 SIRE を提案する。 SIREはモジュラーであり、対称性の保存により一般化することができる。 SIREはゲージ同変メッシュCNN(GEM-CNN)で構成され、異なる大きさの複数のネストされた球状メッシュで動作する。 各メッシュの特徴は、対応する球面内の画像強度の投影である。 これらの特徴は球に固有のものであり、GEM-CNNと組み合わせることでSO(3)-等分散をもたらす。 近似スケール不変性は、重み共有と対称最大関数を用いて多スケール予測を組み合わせることで達成される。 したがって、sireは様々な半径を持つ任意の方向の船で訓練でき、幅広い口径と機動性を持つ船に一般化することができる。 血管モデルリポジトリ(vmr)、アソカ冠動脈セット(asoca coronary artery set)、腹部大動脈瘤(aaas)の3つの血管を含むデータセットを用いてsireの有効性を実証した。 センタライントラッカーにSIREを組み込み、SIREがトレーニングされているデータに関係なく、正確にAAAを追跡する。 さらに、SIREは、AAAでのみ訓練しても、冠動脈の追跡に使用できる。 so(3)とスケール対称性を組み込むことで、sireは訓練領域外の血管の向きを判定し、3次元医用画像における血管の幾何学的解析に対するロバストでデータ効率のよい解決法を形成することができる。

関連論文リスト

• 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)
• $E(3) \times SO(3)$-Equivariant Networks for Spherical Deconvolution in Diffusion MRI [4.726777092009554]
  本稿では,各ボクセルが球面信号を含むボリュームのスパースデコンボリューションの枠組みを提案する。 この研究は、空間回転、反射、翻訳の対称性に関する同変深層を構成する。
  論文  参考訳（メタデータ） (2023-04-12T18:37:32Z)
• Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
  血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。 コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
  論文  参考訳（メタデータ） (2022-11-12T05:39:17Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Deep Open Snake Tracker for Vessel Tracing [32.97987423431042]
  中心線と半径を持つ3次元医用画像の血管構造をモデル化した血管トレースは、血管の健康に有用な情報を提供することができる。 既存のアルゴリズムは開発されているが、不完全または不正確な容器追跡のような永続的な問題もある。 本稿では3次元画像中の容器をトレースする深層学習に基づく開曲線アクティブな輪郭モデル(DOST)を提案する。
  論文  参考訳（メタデータ） (2021-07-19T17:59:31Z)
• 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)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)

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。