Fugu-MT 論文翻訳(概要): High-Resolution Maps of Left Atrial Displacements and Strains Estimated with 3D Cine MRI using Online Learning Neural Networks

論文の概要: High-Resolution Maps of Left Atrial Displacements and Strains Estimated with 3D Cine MRI using Online Learning Neural Networks

arxiv url: http://arxiv.org/abs/2312.09387v2
Date: Wed, 18 Sep 2024 16:11:53 GMT
ステータス: 処理完了
システム内更新日: 2024-09-19 23:35:48.054125
Title: High-Resolution Maps of Left Atrial Displacements and Strains Estimated with 3D Cine MRI using Online Learning Neural Networks
Title（参考訳）: オンライン学習ニューラルネットワークによる左心房変位の高分解能マップと3次元シネMRIによる評価
Authors: Christoforos Galazis, Samuel Shepperd, Emma Brouwer, Sandro Queirós, Ebraham Alskaf, Mustafa Anjari, Amedeo Chiribiri, Jack Lee, Anil A. Bharath, Marta Varela,
Abstract要約: オンライン学習ニューラルネットワーク(Aladdin)を用いた左心房変位・変形の分析ツールを提案する。 Aladdinには、オンラインセグメンテーションと画像登録ネットワークと、LAに合わせて調整された歪計算パイプラインが含まれている。その結果,アラジンは心臓循環を横断するLA壁を正確に追跡し,その運動と変形を特徴付けることができた。
参考スコア（独自算出の注目度）: 1.1902493590292005
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The functional analysis of the left atrium (LA) is important for evaluating cardiac health and understanding diseases like atrial fibrillation. Cine MRI is ideally placed for the detailed 3D characterization of LA motion and deformation but is lacking appropriate acquisition and analysis tools. Here, we propose tools for the Analysis for Left Atrial Displacements and DeformatIons using online learning neural Networks (Aladdin) and present a technical feasibility study on how Aladdin can characterize 3D LA function globally and regionally. Aladdin includes an online segmentation and image registration network, and a strain calculation pipeline tailored to the LA. We create maps of LA Displacement Vector Field (DVF) magnitude and LA principal strain values from images of 10 healthy volunteers and 8 patients with cardiovascular disease (CVD), of which 2 had large left ventricular ejection fraction (LVEF) impairment. We additionally create an atlas of these biomarkers using the data from the healthy volunteers. Results showed that Aladdin can accurately track the LA wall across the cardiac cycle and characterize its motion and deformation. Global LA function markers assessed with Aladdin agree well with estimates from 2D Cine MRI. A more marked active contraction phase was observed in the healthy cohort, while the CVD LVEF group showed overall reduced LA function. Aladdin is uniquely able to identify LA regions with abnormal deformation metrics that may indicate focal pathology. We expect Aladdin to have important clinical applications as it can non-invasively characterize atrial pathophysiology. All source code and data are available at: https://github.com/cgalaz01/aladdin_cmr_la.
Abstract（参考訳）: 左心房の機能解析は心疾患の評価や心房細動などの疾患の理解に重要である。 Cine MRIは、LA運動と変形の詳細な3D特徴付けに理想的だが、適切な取得と解析ツールが欠如している。本稿では,オンライン学習ニューラルネットワーク(Aladdin)を用いた左心房置換・変形分析のためのツールを提案するとともに,アラジンがグローバルかつ地域的に3D LA機能をどのように特徴付けるかに関する技術的実現可能性について述べる。 Aladdinには、オンラインセグメンテーションと画像登録ネットワークと、LAに合わせて調整された歪計算パイプラインが含まれている。健常者10名と心血管疾患(CVD)患者8名の画像から, 左室流出率(DVF)の地図を作成し, 左室流出率(LVEF)に大きな障害を認めた。さらに、健康なボランティアのデータを用いて、これらのバイオマーカーのアトラスを作成する。その結果,アラジンは心臓循環を横断するLA壁を正確に追跡し,その運動と変形を特徴付けることができた。アラジンで評価されたグローバルLA関数マーカーは2次元Cine MRIの推定値とよく一致している。健康コホートではより顕著な活性収縮期がみられ, CVD LVEF群は総LA機能の低下を認めた。アラジンは局所病理を示す異常な変形測定値を持つLA領域を特異的に同定することができる。心房生理学を非侵襲的に特徴付けることができるため,アラジンは重要な臨床応用を期待する。すべてのソースコードとデータは、https://github.com/cgalaz01/aladdin_cmr_laで入手できる。

関連論文リスト

Assessment of Left Atrium Motion Deformation Through Full Cardiac Cycle [9.077680726058382]
左心房(LA)は、より薄い心筋壁、複雑で不規則な形態、および個々の構造における多様性など、固有の課題を呈する。我々は,高解像度の3次元Cine MR画像を用いて,LAの動きを自動的に解析する4次元登録モデリングのための総合的な技術ワークフローを初めて提示する。本研究は, 左心房運動追跡・変形のための新しいバイオマーカーを臨床医に提供するために, エンド・ツー・エンドの枠組みが提案される可能性を示している。
論文参考訳（メタデータ） (2024-05-27T09:31:24Z)
High-resolution 3D Maps of Left Atrial Displacements using an Unsupervised Image Registration Neural Network [2.4633187637169303]
左心房の機能解析は, 心血管疾患の予後と診断において, ますます重要な役割を担っている。本研究では、LAを自動的に分割し、心循環全体にわたって変位場を抽出するツールを提案する。パイプラインは心臓循環を横断するLAの壁を正確に追跡することができ、平均ハウスドルフ距離は2.51 pm 1.3mm$、ディーススコアは92 pm 0.02$である。
論文参考訳（メタデータ） (2023-09-05T12:33:05Z)
On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文参考訳（メタデータ） (2023-09-01T10:10:46Z)
Modeling 3D cardiac contraction and relaxation with point cloud deformation networks [4.65840670565844]
本稿では,3次元心収縮と緩和をモデル化する新しい幾何学的深層学習手法として,ポイントクラウド変形ネットワーク(PCD-Net)を提案する。英国バイオバンクの調査から,1万件以上の症例の大規模データセットに対するアプローチを評価した。
論文参考訳（メタデータ） (2023-07-20T14:56:29Z)
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)
Medical Application of Geometric Deep Learning for the Diagnosis of Glaucoma [60.42955087779866]
シンガポール国立眼科における視神経頭部の3DスキャンをSpectralis OCTで477緑内障と2,296名の非緑内障患者に対して行った。全巻は、ディープラーニングを用いて自動的にセグメンテーションされ、7つの主要な神経組織と結合組織が識別された。ポイントネットは、3Dポイントクラウドとして表されるONHのみから頑健な緑内障の診断を行うことができた。
論文参考訳（メタデータ） (2022-04-14T14:55:25Z)
Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文参考訳（メタデータ） (2021-11-24T01:14:33Z)
3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
論文参考訳（メタデータ） (2021-09-14T09:17:27Z)
Fully Automated 2D and 3D Convolutional Neural Networks Pipeline for Video Segmentation and Myocardial Infarction Detection in Echocardiography [7.378083964709321]
畳み込みニューラルネットワーク(CNN)に基づく,革新的なリアルタイムエンドツーエンドフルオートマチックモデルを提案する。 A4C(Apical 4-chamber)ビューからLVチャンバーをセグメント化してデータ前処理を行う2次元CNNと、セグメント化された心エコー図がMIの兆候を示すかどうかを検出するバイナリ分類を行う3次元CNNからなるパイプラインとして実装しています。
論文参考訳（メタデータ） (2021-03-26T21:03:33Z)
Detecting Scatteredly-Distributed, Small, andCritically Important Objects in 3D OncologyImaging via Decision Stratification [23.075722503902714]
本研究は腫瘍学的に重要なリンパ節(または不審な癌転移)の検出と分節に焦点を当てた。我々はOSLNを腫瘍近位・腫瘍遠位分類に分割する分断型決定階層化手法を提案する。局所的な3D画像パッチから得られた特徴と高次病変特性を組み合わせた新しいグローバルローカルネットワーク(GLNet)を提案する。
論文参考訳（メタデータ） (2020-05-27T23:12:11Z)
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。