論文の概要: Assessment of Deep Learning Segmentation for Real-Time Free-Breathing
Cardiac Magnetic Resonance Imaging at Rest and Under Exercise Stress
- arxiv url: http://arxiv.org/abs/2311.14049v4
- Date: Fri, 9 Feb 2024 14:03:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-12 20:08:29.291108
- Title: Assessment of Deep Learning Segmentation for Real-Time Free-Breathing
Cardiac Magnetic Resonance Imaging at Rest and Under Exercise Stress
- Title（参考訳）: 安静時および運動負荷時のリアルタイム自由呼吸心磁気共鳴イメージングのためのディープラーニングセグメントの評価
- Authors: Martin Schilling and Christina Unterberg-Buchwald and Joachim Lotz and
Martin Uecker
- Abstract要約: 心臓MRI(CMR)セグメンテーションのために設計された、あるいは訓練されたディープラーニング手法は、リアルタイムCMRでよく機能する。
リアルタイムな自由呼吸型CMRでは、ディープラーニングメソッドのパフォーマンスは、cine CMRのサーバ間変動に匹敵する。
- 参考スコア（独自算出の注目度）: 2.359557447960552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, a variety of deep learning networks for cardiac MRI (CMR)
segmentation have been developed and analyzed. However, nearly all of them are
focused on cine CMR under breathold. In this work, accuracy of deep learning
methods is assessed for volumetric analysis (via segmentation) of the left
ventricle in real-time free-breathing CMR at rest and under exercise stress.
Data from healthy volunteers (n=15) for cine and real-time free-breathing CMR
at rest and under exercise stress were analyzed retrospectively. Segmentations
of a commercial software (comDL) and a freely available neural network
(nnU-Net), were compared to a reference created via the manual correction of
comDL segmentation. Segmentation of left ventricular endocardium (LV), left
ventricular myocardium (MYO), and right ventricle (RV) is evaluated for both
end-systolic and end-diastolic phases and analyzed with Dice's coefficient
(DC). The volumetric analysis includes LV end-diastolic volume (EDV), LV
end-systolic volume (ESV), and LV ejection fraction (EF). For cine CMR, nnU-Net
and comDL achieve a DC above 0.95 for LV and 0.9 for MYO, and RV. For real-time
CMR, the accuracy of nnU-Net exceeds that of comDL overall. For real-time CMR
at rest, nnU-Net achieves a DC of 0.94 for LV, 0.89 for MYO, and 0.90 for RV;
mean absolute differences between nnU-Net and reference are 2.9mL for EDV,
3.5mL for ESV and 2.6% for EF. For real-time CMR under exercise stress, nnU-Net
achieves a DC of 0.92 for LV, 0.85 for MYO, and 0.83 for RV; mean absolute
differences between nnU-Net and reference are 11.4mL for EDV, 2.9mL for ESV and
3.6% for EF. Deep learning methods designed or trained for cine CMR
segmentation can perform well on real-time CMR. For real-time free-breathing
CMR at rest, the performance of deep learning methods is comparable to
inter-observer variability in cine CMR and is usable or fully automatic
segmentation.
- Abstract（参考訳）: 近年、心臓MRI(CMR)セグメンテーションのための様々なディープラーニングネットワークが開発され、分析されている。
しかし、ほとんど全員が呼吸中のシネCMRに焦点を当てている。
本研究は、安静時および運動負荷時のリアルタイム自由呼吸cmrにおける左室容積分析(セグメンテーション)において、深部学習法の精度を評価した。
健康なボランティア(n=15)のシネおよび運動負荷下でのリアルタイム自由呼吸cmrのデータをふりかえり分析した。
商用ソフトウェア(comDL)と利用可能なニューラルネットワーク(nnU-Net)のセグメンテーションを、comDLセグメンテーションのマニュアル修正によって作成されたリファレンスと比較した。
左室心内膜(lv)、左室心筋(myo)、右室(rv)のセグメンテーションは、末期収縮期と末期拡張期の両方において評価され、dice係数(dc)を用いて解析された。
ボリューム分析は、LV端収縮体積(EDV)、LV端収縮体積(ESV)、LV放出率(EF)を含む。
cine cmr では、nnu-net と comdl は lv が 0.95 以上、myo と rv が 0.9 以上となる。
リアルタイムCMRでは, nnU-Net の精度が comDL の精度を上回っている。
リアルタイムCMRでは、nnU-NetはLVが0.94、MYOが0.89、RVが0.90、EDVが2.9mL、ESVが3.5mL、EFが2.6%である。
運動ストレス下でのリアルタイムCMRでは、nnU-Netは、LVが0.92、MYOが0.85、RVが0.83、EDVが11.4mL、ESVが2.9mL、EFが3.6%である。
シネCMRセグメンテーションのために設計または訓練されたディープラーニング手法は、リアルタイムCMRでよく機能する。
リアルタイムのフリーブレスCMRでは、ディープラーニングメソッドのパフォーマンスは、cine CMRのサーバ間変動と同等であり、使用可能なか、完全に自動セグメンテーションである。
関連論文リスト
- Lost in Tracking: Uncertainty-guided Cardiac Cine MRI Segmentation at Right Ventricle Base [6.124743898202368]
本稿では,CMRセグメンテーションにおける未解決問題,特にRVベースに対処することを提案する。
本稿では,時間的アンコヒーレンスを利用して平面間動きの発生時にセグメンテーションを通知する新しいデュアルエンコーダU-Netアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-10-04T11:14:31Z) - Development of Automated Neural Network Prediction for Echocardiographic Left ventricular Ejection Fraction [36.58987036154144]
本稿では,深層ニューラルネットワークとアンサンブル学習に基づく新しいパイプライン手法を提案する。
この手法は,10,030個の心エコー図を含むオープンソースデータセットを用いて開発,検証した。
本研究では、LVEFの自動ニューラルネットワークに基づく計算が、心収縮機能のフレーム・バイ・フレーム手動評価を行う専門医に匹敵することを示した。
論文 参考訳（メタデータ） (2024-03-18T18:09:22Z) - Image2Flow: A hybrid image and graph convolutional neural network for
rapid patient-specific pulmonary artery segmentation and CFD flow field
calculation from 3D cardiac MRI data [0.0]
この研究では、パブリックデータセットとプライベートデータセットの両方から135個の3D心筋MRIを使用した。
Image2Flowは、ハイブリッド画像とグラフ畳み込みニューラルネットワークで、肺動脈テンプレートを患者固有の解剖学とCFD値に変換するために訓練された。
論文 参考訳（メタデータ） (2024-02-28T11:01:14Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-09T05:57:01Z) - Automated Assessment of Critical View of Safety in Laparoscopic
Cholecystectomy [51.240181118593114]
胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。
LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。
本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-09-13T22:01:36Z) - Attention-based Saliency Maps Improve Interpretability of Pneumothorax
Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。
ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。
ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文 参考訳（メタデータ） (2023-03-03T12:05:41Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - AI-based Medical e-Diagnosis for Fast and Automatic Ventricular Volume
Measurement in the Patients with Normal Pressure Hydrocephalus [15.004831813437734]
機械学習を用いて特徴を抽出し,自動心室分割モデルを構築する。
モデルの信頼性を検証し,心室容積の自動測定を実現した。
これにより、臨床医はNPH患者の心室の状況を迅速かつ正確に理解することができる。
論文 参考訳（メタデータ） (2022-01-31T14:55:20Z) - Spatial-temporal V-Net for automatic segmentation and quantification of
right ventricles in gated myocardial perfusion SPECT images [9.332295408941798]
拡張型心筋灌流CT(MPS)による右室機能評価は,輪郭の正確な抽出に大きく依存している。
SPECT画像の空間的特徴と時間的特徴を統合した新しい深層学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-11T17:30:51Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。