論文の概要: Shape-aware Segmentation of the Placenta in BOLD Fetal MRI Time Series
- arxiv url: http://arxiv.org/abs/2312.05148v1
- Date: Fri, 8 Dec 2023 16:29:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 14:36:14.809775
- Title: Shape-aware Segmentation of the Placenta in BOLD Fetal MRI Time Series
- Title（参考訳）: BOLD Fetal MRI 時系列における胎盤の形状認識
- Authors: S. Mazdak Abulnaga, Neel Dey, Sean I. Young, Eileen Pan, Katherine I.
Hobgood, Clinton J. Wang, P. Ellen Grant, Esra Abaci Turk, Polina Golland
- Abstract要約: 胎盤BOLD MRIのための機械学習フレームワークを提案し,それを時系列で各ボリュームのセグメント化に適用する。
健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
- 参考スコア（独自算出の注目度）: 9.432291446858622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blood oxygen level dependent (BOLD) MRI time series with maternal hyperoxia
can assess placental oxygenation and function. Measuring precise BOLD changes
in the placenta requires accurate temporal placental segmentation and is
confounded by fetal and maternal motion, contractions, and hyperoxia-induced
intensity changes. Current BOLD placenta segmentation methods warp a manually
annotated subject-specific template to the entire time series. However, as the
placenta is a thin, elongated, and highly non-rigid organ subject to large
deformations and obfuscated edges, existing work cannot accurately segment the
placental shape, especially near boundaries. In this work, we propose a machine
learning segmentation framework for placental BOLD MRI and apply it to
segmenting each volume in a time series. We use a placental-boundary weighted
loss formulation and perform a comprehensive evaluation across several popular
segmentation objectives. Our model is trained and tested on a cohort of 91
subjects containing healthy fetuses, fetuses with fetal growth restriction, and
mothers with high BMI. Biomedically, our model performs reliably in segmenting
volumes in both normoxic and hyperoxic points in the BOLD time series. We
further find that boundary-weighting increases placental segmentation
performance by 8.3% and 6.0% Dice coefficient for the cross-entropy and signed
distance transform objectives, respectively. Our code and trained model is
available at https://github.com/mabulnaga/automatic-placenta-segmentation.
- Abstract（参考訳）: 血中酸素濃度依存性(BOLD)MRIは胎盤酸素化と機能を評価することができる。
胎盤の正確なBOLD変化を測定するには、正確な時間的胎盤セグメンテーションが必要であり、胎児と母体の動き、収縮、および高酸素による強度変化によって構築される。
現在のBOLDプレースンタセグメンテーション手法は、手動で注釈付き主題固有のテンプレートを時系列全体にワープする。
しかし、胎盤は細く、細長く、大きな変形と難解な縁を被る非常に非剛性な器官であるため、既存の作業は胎盤形状、特に境界付近を正確に区分することはできない。
本研究では,胎盤BOLD MRIのための機械学習セグメンテーションフレームワークを提案し,それを時系列で各ボリュームのセグメンテーションに適用する。
我々は,胎盤境界重み付き損失定式化を用い,いくつかの人気のあるセグメンテーション目標に対して包括的評価を行う。
健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
バイオメディカルに,本モデルはBOLD時系列におけるノルモックス点と高酸素点の両方のセグメンテーションボリュームで確実に機能する。
さらに, 境界重み付けは, 交叉エントロピーおよび符号付き距離変換対象に対するDice係数を8.3%, 6.0%向上させることがわかった。
私たちのコードとトレーニングされたモデルは、https://github.com/mabulnaga/automatic-placenta-segmentationで利用可能です。
関連論文リスト
- Consistency Regularization Improves Placenta Segmentation in Fetal EPI
MRI Time Series [8.07596084334245]
胎児発育において胎盤は重要な役割を担っている。胎児EPI MRIによる3次元胎盤分割の自動化は出生前治療の進展を約束する。
本稿では,胎児のEPI MRI時系列における胎盤分割を改善するための効果的な半教師付き学習法を提案する。
論文 参考訳（メタデータ） (2023-10-05T19:58:13Z) - Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance
from High-Quality Isotropic Volumes [52.242103848335354]
本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。
我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
論文 参考訳（メタデータ） (2023-08-13T12:51:15Z) - PIPPI2021: An Approach to Automated Diagnosis and Texture Analysis of
the Fetal Liver & Placenta in Fetal Growth Restriction [0.0]
胎児成長制限 (FGR) は胎児が成長電位に達するのに失敗したことを特徴とする妊娠状態である。
本研究は、胎児臓器に対するFGRの効果を検証し、概念実証として機能する。
論文 参考訳（メタデータ） (2022-11-01T08:41:30Z) - Automatic fetal fat quantification from MRI [1.9833224525631483]
本稿では,Dixon MRIに基づく胎児脂肪分画の深層学習手法を提案する。
1) モデルに基づく半自動胎児脂肪分画は, 放射線技師がレビューし, 修正し, 2) 自動胎児脂肪分画は, 結果として得られたアノテートデータセットに基づいて訓練されたDLネットワークを用いて行われる。
これらの新しいセグメンテーション法と短いMRI取得時間を用いて、クリニックおよび大規模コホート研究において、個々の胎児に対して全身皮下脂質を定量化することができる。
論文 参考訳（メタデータ） (2022-09-08T12:07:12Z) - Automatic Segmentation of the Placenta in BOLD MRI Time Series [7.495136385800027]
BOLD MRIの胎盤を自動的に分割するU-Netニューラルネットワークアーキテクチャに基づく機械学習モデルを提案する。
健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
論文 参考訳（メタデータ） (2022-08-04T21:51:10Z) - Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。
本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-26T21:21:12Z) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳（メタデータ） (2022-05-16T10:59:55Z) - FetReg: Placental Vessel Segmentation and Registration in Fetoscopy
Challenge Dataset [57.30136148318641]
Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である
これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。
コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。
本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
論文 参考訳（メタデータ） (2021-06-10T17:14:27Z) - 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) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z) - A Deep Attentive Convolutional Neural Network for Automatic Cortical
Plate Segmentation in Fetal MRI [12.554154620492772]
我々は胎児脳MRIスキャンのための新しい強力なディープラーニングセグメンテーション法を開発した。
本手法は,完全な畳み込みニューラルネットワークアーキテクチャにおいて,カーネルの畳み込みが混在する新しい深層抑止モジュールを利用する。
本手法は, 正常および変化した胎児大脳皮質の成熟と折り畳みについて, 大規模研究を促進・促進することができる。
論文 参考訳（メタデータ） (2020-04-27T14:55:22Z)
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。