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
- 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) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian
Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。
本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。
実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-06-30T13:04:42Z) - Domain Adaptation of Automated Treatment Planning from Computed
Tomography to Magnetic Resonance [0.5599792629509229]
我々はCT学習機械学習モデルを用いた高許容磁気共鳴治療計画の作成を行った。
臨床的にCTによる計画から有意な線量偏差が認められた。
論文 参考訳（メタデータ） (2022-03-07T18:18:00Z) - DeepTag: An Unsupervised Deep Learning Method for Motion Tracking on
Cardiac Tagging Magnetic Resonance Images [10.434681088538866]
本研究では,t-MRI画像のin vivoモーショントラッキングのための深層学習に基づく完全監視手法を提案する。
本手法は代表的な臨床T-MRIデータセットで検証された。
論文 参考訳（メタデータ） (2021-03-04T00:42:11Z) - fMRI-Kernel Regression: A Kernel-based Method for Pointwise Statistical
Analysis of rs-fMRI for Population Studies [0.5459797813771498]
静止状態fMRI(rs-fMRI)信号の自発性のため、物体間比較は困難である。
本稿では、対の被験者の同期rs-fMRI信号間のペアワイズ距離を測定するアプローチについて述べる。
また、この生成したペアワイズ特徴を利用してラジアル基底関数カーネル行列を確立するfMRIデータ比較法を提案する。
論文 参考訳（メタデータ） (2020-12-13T05:53:53Z) - 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) - Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。
この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。
その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
論文 参考訳（メタデータ） (2020-04-15T15:46:09Z) - Modal Regression based Structured Low-rank Matrix Recovery for
Multi-view Learning [70.57193072829288]
近年、低ランクなマルチビューサブスペース学習は、クロスビューの分類において大きな可能性を示している。
既存のLMvSLベースの手法では、ビューの区別と差別を同時に扱うことができない。
本稿では,視差を効果的に除去し,識別性を向上する独自の方法であるStructured Low-rank Matrix Recovery (SLMR)を提案する。
論文 参考訳（メタデータ） (2020-03-22T03:57:38Z)
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。