論文の概要: Point cloud-based registration and image fusion between cardiac SPECT MPI and CTA

• arxiv url: http://arxiv.org/abs/2402.06841v1
• Date: Sat, 10 Feb 2024 00:00:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 19:10:30.088871
• Title: Point cloud-based registration and image fusion between cardiac SPECT MPI and CTA
• Title（参考訳）: 点雲による心spect mpiとctaの登録と画像融合
• Authors: Shaojie Tang, Penpen Miao, Xingyu Gao, Yu Zhong, Dantong Zhu, Haixing Wen, Zhihui Xu, Qiuyue Wei, Hongping Yao, Xin Huang, Rui Gao, Chen Zhao, Weihua Zhou
• Abstract要約: SPECT心筋灌流画像(MPI)と心電図血管造影(CTA)との点群登録と画像融合のための方法が提案された。 SPECTおよびCTA画像における左心室(LV)心室領域(LVER)は、LV心室輪郭(LVEC)の点群を生成するために訓練された異なるU-Netニューラルネットワークを用いて区分けされた。 提案手法は心CTAおよびSPECT機能画像から構造を効果的に融合させ,相補的優位性を組み合わせることで心疾患の正確な診断を支援する可能性を示した。
• 参考スコア（独自算出の注目度）: 22.691328811159252
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A method was proposed for the point cloud-based registration and image fusion between cardiac single photon emission computed tomography (SPECT) myocardial perfusion images (MPI) and cardiac computed tomography angiograms (CTA). Firstly, the left ventricle (LV) epicardial regions (LVERs) in SPECT and CTA images were segmented by using different U-Net neural networks trained to generate the point clouds of the LV epicardial contours (LVECs). Secondly, according to the characteristics of cardiac anatomy, the special points of anterior and posterior interventricular grooves (APIGs) were manually marked in both SPECT and CTA image volumes. Thirdly, we developed an in-house program for coarsely registering the special points of APIGs to ensure a correct cardiac orientation alignment between SPECT and CTA images. Fourthly, we employed ICP, SICP or CPD algorithm to achieve a fine registration for the point clouds (together with the special points of APIGs) of the LV epicardial surfaces (LVERs) in SPECT and CTA images. Finally, the image fusion between SPECT and CTA was realized after the fine registration. The experimental results showed that the cardiac orientation was aligned well and the mean distance error of the optimal registration method (CPD with affine transform) was consistently less than 3 mm. The proposed method could effectively fuse the structures from cardiac CTA and SPECT functional images, and demonstrated a potential in assisting in accurate diagnosis of cardiac diseases by combining complementary advantages of the two imaging modalities.
• Abstract（参考訳）: 心筋灌流画像 (MPI) と心電図血管造影 (CTA) との間には, 点雲による画像の登録と画像融合を行う方法が提案された。 まず、SPECTおよびCTA画像における左心室(LV)心室領域(LVER)を、LV心室輪郭(LVEC)の点群を生成するために訓練された異なるU-Netニューラルネットワークを用いて分割した。 第2に, 心解剖学的特徴から, SPECT像とCTA像の両方に, 心室中溝(APIG)の特別な点を手動で印付けした。 第3に, SPECT 画像と CTA 画像の適切な心方向アライメントを確保するために, APIG の特別な点を粗大に登録する社内プログラムを開発した。 第4に、SPECTおよびCTA画像におけるLV心表面(LVER)の点雲(APIGの特別な点を含む)の微細な登録を実現するために、ICP、SICP、CPDアルゴリズムを用いた。 最後に, SPECT と CTA との画像融合が, 微細登録後に実現された。 実験の結果,心向きは良好に整列し,アフィン変換による最適位置決め法(cpd)の平均距離誤差は3mm以下であった。 提案手法は心CTAおよびSPECT機能画像から構造を効果的に融合させ,2つの画像の相補的利点を組み合わせ,心疾患の正確な診断を支援する可能性を示した。

関連論文リスト

• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• 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)
• Structure-aware registration network for liver DCE-CT images [50.28546654316009]
  セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。 提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
  論文  参考訳（メタデータ） (2023-03-08T14:08:56Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Dual-Branch Squeeze-Fusion-Excitation Module for Cross-Modality Registration of Cardiac SPECT and CT [8.366154384108464]
  心筋SPECTとCT由来のu-mapを登録するためのDuSFE (Dual-Branch Squeeze-Fusion-Excitation) モジュールを提案する。 DuSFEは、複数のモダリティからの知識を融合させ、各モダリティに対するチャネルワイドと空間的特徴の両方を再検討する。
  論文  参考訳（メタデータ） (2022-06-10T01:44:06Z)
• Three-Dimensional Segmentation of the Left Ventricle in Late Gadolinium Enhanced MR Images of Chronic Infarction Combining Long- and Short-Axis Information [5.947543669357994]
  LGE CMR画像におけるLVの自動3次元セグメンテーションのための包括的フレームワークを提案する。 本稿では,一貫した心筋エッジポイント検出のためのLVのパラメトリックモデルを提案する。 提案手法を,21組の実患者と4組のファントムデータを用いて評価した。
  論文  参考訳（メタデータ） (2022-05-21T09:47:50Z)
• Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
  心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。 これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。 形状と境界認識機能を利用する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T13:54:59Z)
• PC-U Net: Learning to Jointly Reconstruct and Segment the Cardiac Walls in 3D from CT Data [18.941064150226236]
  2次元CTスライスから直接LV MYO壁の点雲を直接再構成するPC-Uネットを提案する。 提案したPC-Uネットの協調学習フレームワークは,自動心画像解析タスクに有用である。
  論文  参考訳（メタデータ） (2020-08-18T23:37:05Z)
• Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark Study from Multi-Sequence Cardiac MR Segmentation Challenge [43.01944884184009]
  本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。 新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。 これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
  論文  参考訳（メタデータ） (2020-06-22T17:04:38Z)
• 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)
• CondenseUNet: A Memory-Efficient Condensely-Connected Architecture for Bi-ventricular Blood Pool and Myocardium Segmentation [0.0]
  本稿では,CondenseNetとDenseNetの両方を改良したメモリ効率の良い畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 実験の結果,提案アーキテクチャは自動心臓診断チャレンジデータセット上で動作していることがわかった。
  論文  参考訳（メタデータ） (2020-04-05T16:34:51Z)

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。