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

• 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。