論文の概要: Improve Myocardial Strain Estimation based on Deformable Groupwise Registration with a Locally Low-Rank Dissimilarity Metric

• arxiv url: http://arxiv.org/abs/2311.07348v2
• Date: Tue, 31 Dec 2024 07:47:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-03 14:33:34.376915
• Title: Improve Myocardial Strain Estimation based on Deformable Groupwise Registration with a Locally Low-Rank Dissimilarity Metric
• Title（参考訳）: 局所的低レベル相同性指標を用いた変形性集団登録による心筋ひずみ推定の改善
• Authors: Haiyang Chen, Juan Gao, Zhuo Chen, Chenhao Gao, Sirui Huo, Meng Jiang, Jun Pu, Chenxi Hu,
• Abstract要約: 提案手法であるGroupwise-LLRは,全心相にわたる変位場を反復的に更新することで特徴追跡を行う。 Groupwise-LLRはドリフト効果を低減し、より正確な心筋追跡とひずみ推定を提供する。
• 参考スコア（独自算出の注目度）: 15.682983716154403
• License:
• Abstract: Background: Current mainstream cardiovascular magnetic resonance-feature tracking (CMR-FT) methods, including optical flow and pairwise registration, often suffer from the drift effect caused by accumulative tracking errors. Here, we developed a CMR-FT method based on deformable groupwise registration with a locally low-rank (LLR) dissimilarity metric to improve myocardial tracking and strain estimation accuracy. Methods: The proposed method, Groupwise-LLR, performs feature tracking by iteratively updating the entire displacement field across all cardiac phases to minimize the sum of the patchwise signal ranks of the deformed movie. The method was compared with alternative CMR-FT methods including the Farneback optical flow, a sequentially pairwise registration method, and a global low rankness-based groupwise registration method via a simulated dataset (n = 20), a public cine data set (n = 100), and an in-house tagging-MRI patient dataset (n = 16). The proposed method was also compared with two general groupwise registration methods, nD+t B-Splines and pTVreg, in simulations and in vivo tracking. Results: On the simulated dataset, Groupwise-LLR achieved the lowest point tracking errors and voxelwise/global strain errors. On the public dataset, Groupwise-LLR achieved the lowest contour tracking errors, reduced the drift effect in late-diastole, and preserved similar inter-observer reproducibility as the alternative methods. On the patient dataset, Groupwise-LLR correlated better with tagging-MRI for radial strains than the other CMR-FT methods in multiple myocardial segments and levels. Conclusions: The proposed Groupwise-LLR reduces the drift effect and provides more accurate myocardial tracking and strain estimation than the alternative methods. The method may thus facilitate a more accurate estimation of myocardial strains for clinical assessments of cardiac function.
• Abstract（参考訳）: 背景: 現在主流の心血管磁気共鳴機能追跡法(CMR-FT)は、光学的フローとペア登録を含む、しばしば累積的追跡誤差によるドリフト効果に悩まされる。 そこで我々は, 局所低ランク(LLR)差分法による変形性集団登録に基づくCMR-FT法を開発し, 心筋追跡とひずみ推定精度を向上した。 方法: 提案手法であるGroupwise-LLRは, 変形したフィルムのパッチワイズ信号ランクの和を最小化するために, 全心相にわたる変位場を反復的に更新することにより特徴追跡を行う。 シミュレーションデータセット(n = 20)、公開シネデータセット(n = 100)、社内タグ付け・MRI患者データセット(n = 16)を介して、Farneback光フロー、逐次ペアワイズ登録法、グローバルローランクネスに基づくグループワイズ登録法などの代替CMR-FT法と比較した。 提案手法は,シミュレーションおよび生体内追跡において,nD+t B-SplinesとpTVregの2つのグループワイド登録法と比較した。 結果: シミュレーションデータセットでは, Groupwise-LLRが最小点追跡誤差とボクセルワイズ/グローバルひずみ誤差を達成した。 公開データセット上では、Groupwise-LLRは最小の輪郭追跡誤差を達成し、ラストディストルでのドリフト効果を低減し、代替手法として、同じようなオブザーバ間再現性を保持した。 患者データセットでは, Groupwise-LLRは複数の心筋セグメントとレベルにおける他のCMR-FT法と比較して, 放射能のタグ付け-MRIとの相関が良好であった。 結論: 提案したGroupwise-LLRはドリフト効果を低減し, 代替手法よりも正確な心筋追跡とひずみ推定を提供する。 この方法は、心臓機能の臨床的評価のために、より正確な心筋ひずみの推定を容易にすることができる。

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。