論文の概要: Deformable Groupwise Registration Using a Locally Low-Rank Dissimilarity
Metric for Myocardial Strain Estimation from Cardiac Cine MRI Images
- arxiv url: http://arxiv.org/abs/2311.07348v1
- Date: Mon, 13 Nov 2023 14:06:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 14:12:35.835039
- Title: Deformable Groupwise Registration Using a Locally Low-Rank Dissimilarity
Metric for Myocardial Strain Estimation from Cardiac Cine MRI Images
- Title(参考訳): 心筋シンチグラフィ画像からの心筋ひずみ推定のための局所低域差計を用いた変形性集団登録
- Authors: Haiyang Chen, Juan Gao, and Chenxi Hu
- Abstract要約: 提案手法は,グループワイド登録に基づく2段階戦略により特徴点を追跡する。
グループワイズ-LLRは,他の手法と比較して,より正確な追跡とひずみ推定を実現した。
- 参考スコア(独自算出の注目度): 1.1938237087895653
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objective: Cardiovascular magnetic resonance-feature tracking (CMR-FT)
represents a group of methods for myocardial strain estimation from cardiac
cine MRI images. Established CMR-FT methods are mainly based on optical flow or
pairwise registration. However, these methods suffer from either inaccurate
estimation of large motion or drift effect caused by accumulative tracking
errors. In this work, we propose a deformable groupwise registration method
using a locally low-rank (LLR) dissimilarity metric for CMR-FT. Methods: The
proposed method (Groupwise-LLR) tracks the feature points by a groupwise
registration-based two-step strategy. Unlike the globally low-rank (GLR)
dissimilarity metric, the proposed LLR metric imposes low-rankness on local
image patches rather than the whole image. We quantitatively compared
Groupwise-LLR with the Farneback optical flow, a pairwise registration method,
and a GLR-based groupwise registration method on simulated and in vivo
datasets. Results: Results from the simulated dataset showed that Groupwise-LLR
achieved more accurate tracking and strain estimation compared with the other
methods. Results from the in vivo dataset showed that Groupwise-LLR achieved
more accurate tracking and elimination of the drift effect in late-diastole.
Inter-observer reproducibility of strain estimates was similar between all
studied methods. Conclusion: The proposed method estimates myocardial strains
more accurately due to the application of a groupwise registration-based
tracking strategy and an LLR-based dissimilarity metric. Significance: The
proposed CMR-FT method may facilitate more accurate estimation of myocardial
strains, especially in diastole, for clinical assessments of cardiac
dysfunction.
- Abstract(参考訳): 目的: 心血管磁気共鳴機能追跡(cmr-ft)は、心筋シンmri画像から心筋ひずみを推定するための一連の方法である。
確立されたCMR-FT法は主に光学フローまたはペア登録に基づいている。
しかし,これらの手法は,累積追尾誤差による大きな動きやドリフト効果の不正確な推定に悩まされている。
本研究では,CMR-FTにおける局所低ランク(LLR)差分法を用いて,変形可能なグループ単位の登録手法を提案する。
方法:提案手法(groupwise-llr)は,グループ登録に基づく2段階戦略により特徴点を追跡する。
グローバルローランク(GLR)の相似性メートル法とは異なり、LLRメートル法は画像全体よりも局所的な画像パッチに低ランクを課す。
我々は,グループワイズLLRとFarneback光フロー,ペア登録法,およびGLRに基づくグループ登録法をシミュレーションおよび生体内データセット上で定量的に比較した。
結果:シミュレートデータセットの結果,groupwise-llrは他の手法と比較して,より正確な追跡とひずみ推定が得られた。
in vivoデータセットの結果、groupwise-llrは後期透析におけるドリフト効果をより正確に追跡し除去した。
ひずみ推定のオブザーバ間再現性は全手法間で類似した。
結論: 提案手法は, グループ登録に基づく追跡戦略とLLRによる相似性指標の適用により, より正確に心筋ひずみを推定する。
意義:CMR-FT法は心機能障害の臨床的評価において,特にジアストールの心筋病変のより正確な評価を容易にする可能性がある。
関連論文リスト
- ResFlow: Fine-tuning Residual Optical Flow for Event-based High Temporal Resolution Motion Estimation [50.80115710105251]
イベントカメラは、高時間分解能(HTR)モーション推定に重要な可能性を秘めている。
イベントデータを用いてHTR光流を推定するための残差に基づくパラダイムを提案する。
論文 参考訳(メタデータ) (2024-12-12T09:35:47Z) - FeDETR: a Federated Approach for Stenosis Detection in Coronary Angiography [0.3823356975862007]
冠動脈狭窄は心不全の根底にある因子である。
冠動脈病変の診断にはいくつかの欠点がある。
深層学習法は、FFR/iFR値の自動推定において、心臓科医を支援するために登場した。
論文 参考訳(メタデータ) (2024-09-21T23:52:05Z) - Robust CNN-based Respiration Rate Estimation for Smartwatch PPG and IMU [2.206233030459147]
呼吸速度 (RR) は、心臓血管疾患や睡眠障害などの様々な疾患の指標である。
既存のRR推定手法は、自由生活条件下で手首領域からPSGデータを収集する際に、RRを正確に抽出するのに苦労する。
本稿では、PPG、加速度計、ジャイロスコープ信号からRRを抽出するための畳み込みニューラルネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2024-01-10T15:15:46Z) - Contrast-Agnostic Groupwise Registration by Robust PCA for Quantitative
Cardiac MRI [15.778560241913674]
定量的な心臓MRIシークエンス内の全てのベースライン画像の同時登録は、地図の精度と精度に不可欠である。
定量的心臓MRIを低ランク・スパース成分に分解する新しい運動補正フレームワークを提案する。
提案手法は, rPCAを導入することなく, ベースライン方式による登録性能を効果的に向上することを示す。
論文 参考訳(メタデータ) (2023-11-03T13:48:13Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳(メタデータ) (2023-08-31T00:36:10Z) - TBSS++: A novel computational method for Tract-Based Spatial Statistics [6.1908590616944785]
クロスオブジェクト tract-specific analysis は、dMRIにおける最も一般的な計算の1つである。
これらの研究の正確さと信頼性は、被験者間で同じ白い物質を正確に比較できる能力に基づいている。
既存の手法の限界を克服する新しい計算フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-07T22:12:51Z) - Mitigating the Mutual Error Amplification for Semi-Supervised Object
Detection [92.52505195585925]
擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。
他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
論文 参考訳(メタデータ) (2022-01-26T03:34:57Z) - Federated Deep AUC Maximization for Heterogeneous Data with a Constant
Communication Complexity [77.78624443410216]
異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。
本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。
FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
論文 参考訳(メタデータ) (2021-02-09T04:05:19Z) - Separating Stimulus-Induced and Background Components of Dynamic
Functional Connectivity in Naturalistic fMRI [13.112514419777593]
背景雑音から脳機能的接続性(FC)の刺激駆動動的変化を分離するための新しいデータ駆動アプローチを提案する。
共有低ランク部分空間を復元するために,低ランク行列の行間の差に対する融合型ペナルティを導入する。
融合PCPを解くために,乗算器の線形化交互方向法による効率的なアルゴリズムを開発した。
論文 参考訳(メタデータ) (2021-01-24T11:35:39Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - 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)
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。