論文の概要: Deep Learning for Automatic Strain Quantification in Arrhythmogenic
Right Ventricular Cardiomyopathy
- arxiv url: http://arxiv.org/abs/2311.14448v1
- Date: Fri, 24 Nov 2023 12:55:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 15:11:43.901519
- Title: Deep Learning for Automatic Strain Quantification in Arrhythmogenic
Right Ventricular Cardiomyopathy
- Title(参考訳): 不整脈性右室心筋症における自動ひずみ定量のための深層学習
- Authors: Laura Alvarez-Florez, J\"org Sander, Mimount Bourfiss, Fleur V. Y.
Tjong, Birgitta K. Velthuis and Ivana I\v{s}gum
- Abstract要約: CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。
Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。
以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantification of cardiac motion with cine Cardiac Magnetic Resonance Imaging
(CMRI) is an integral part of arrhythmogenic right ventricular cardiomyopathy
(ARVC) diagnosis. Yet, the expert evaluation of motion abnormalities with CMRI
is a challenging task. To automatically assess cardiac motion, we register
CMRIs from different time points of the cardiac cycle using Implicit Neural
Representations (INRs) and perform a biomechanically informed regularization
inspired by the myocardial incompressibility assumption. To enhance the
registration performance, our method first rectifies the inter-slice
misalignment inherent to CMRI by performing a rigid registration guided by the
long-axis views, and then increases the through-plane resolution using an
unsupervised deep learning super-resolution approach. Finally, we propose to
synergically combine information from short-axis and 4-chamber long-axis views,
along with an initialization to incorporate information from multiple cardiac
time points. Thereafter, to quantify cardiac motion, we calculate global and
segmental strain over a cardiac cycle and compute the peak strain. The
evaluation of the method is performed on a dataset of cine CMRI scans from 47
ARVC patients and 67 controls. Our results show that inter-slice alignment and
generation of super-resolved volumes combined with joint analysis of the two
cardiac views, notably improves registration performance. Furthermore, the
proposed initialization yields more physiologically plausible registrations.
The significant differences in the peak strain, discerned between the ARVC
patients and healthy controls suggest that automated motion quantification
methods may assist in diagnosis and provide further understanding of
disease-specific alterations of cardiac motion.
- Abstract(参考訳): 不整脈性右室心筋症 (arvc) の診断には, cine heart magnetic resonance imaging (cmri) による心運動の定量化が不可欠である。
しかし, CMRIによる運動異常の専門的評価は難しい課題である。
Inlicit Neural Representations (INR) を用いて心周期の異なる点からのCMRIを自動評価し, 心筋非圧縮性の仮定にインスパイアされた生体情報正規化を行う。
本手法は,まず,長軸視でガイドされた剛性登録を行い,教師なしのディープラーニング超解像法を用いて平面解像度を向上させることで,cmriに固有のスライス間不一致を補正する。
最後に, 短軸と4角長軸からの情報を相乗的に結合し, 複数の心時点からの情報を組み込む初期化を提案する。
その後,心臓運動の定量化のために,心循環の全体的および分節的ひずみを算出し,ピークひずみを計算する。
本手法の評価は, 47例のARVC患者と67例のCMRIデータセットを用いて行った。
以上の結果から,スライス間アライメントと超解像ボリュームの生成,および2つの心像の同時解析,特に登録性能の向上が示唆された。
さらに,提案する初期化により,生理的に有理な登録が可能となる。
ARVC患者と健常者におけるピークひずみの有意差は、自動運動定量化法が診断に役立ち、疾患特異的な心臓運動の変化のさらなる理解をもたらすことを示唆している。
関連論文リスト
- 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) - Motion Magnification in Robotic Sonography: Enabling Pulsation-Aware
Artery Segmentation [44.868281669589194]
スキャン中の動脈セグメンテーションの精度と安定性を改善するために,新しい脈動補助セグメンテーションニューラルネットワーク(PAS-NN)を提案する。
興味のある周波数帯域内の微妙な動きを増幅し、連続したUS画像から脈動信号を抽出するために、運動倍率技術を用いる。
抽出したリアルタイム脈動情報は、米国横断画像の動脈を見つけるのに役立つ。
論文 参考訳(メタデータ) (2023-07-07T16:14:17Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - AI-enabled Assessment of Cardiac Systolic and Diastolic Function from
Echocardiography [1.0082848901582044]
左室機能(LV)は, 心疾患患者の管理, 予後, 長期生存において重要な因子である。
最近発表された心不全に関する臨床ガイドラインは、心機能の1つの尺度のみに依存することが最適であることを認めている。
近年,AIを用いた心エコー図法が進歩し,LV容積とLV放出率の自動推定に優れた結果が得られた。
論文 参考訳(メタデータ) (2022-03-21T10:59:48Z) - Analysis of Digitalized ECG Signals Based on Artificial Intelligence and
Spectral Analysis Methods Specialized in ARVC [0.0]
不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。
心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
論文 参考訳(メタデータ) (2022-02-28T13:12:50Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳(メタデータ) (2022-01-10T06:37:23Z) - Echocardiography Segmentation with Enforced Temporal Consistency [10.652677452009627]
本研究では,2次元以上の長軸心形態を学習するための枠組みを提案する。
心臓の不整合の同定と補正は、生理的に解釈可能な心臓形状の埋め込みを学ぶために訓練された拘束されたオートエンコーダに依存している。
論文 参考訳(メタデータ) (2021-12-03T16:09:32Z) - Myocardial Segmentation of Cardiac MRI Sequences with Temporal
Consistency for Coronary Artery Disease Diagnosis [12.53412028532286]
本研究では,左室腔,右室腔,心筋の心臓MRI(CMR)スキャン画像のシークエンスのための心筋セグメンテーションフレームワークを提案する。
我々のフレームワークは、Dice係数の最大2%のセグメンテーション精度を向上させることができる。
論文 参考訳(メタデータ) (2020-12-29T01:54:09Z) - Left Ventricular Wall Motion Estimation by Active Polynomials for Acute
Myocardial Infarction Detection [18.93271742586598]
本稿では, 左室壁の大域的運動を, 頑健かつ正確な方法で正確に推定できる新しい手法であるActive Polynomialsを提案する。
提案アルゴリズムは,急性MIの早期診断を支援するために,LV壁セグメントに発生する真の壁運動を定量化する。
論文 参考訳(メタデータ) (2020-08-11T10:29:22Z) - 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) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z)
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。