論文の概要: Multimodal Learning To Improve Cardiac Late Mechanical Activation Detection From Cine MR Images

• arxiv url: http://arxiv.org/abs/2402.18507v1
• Date: Wed, 28 Feb 2024 17:34:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-29 14:05:30.072042
• Title: Multimodal Learning To Improve Cardiac Late Mechanical Activation Detection From Cine MR Images
• Title（参考訳）: マルチモーダル学習によるシネmr画像からの心後期機械的活性化検出の改善
• Authors: Jiarui Xing, Nian Wu, Kenneth Bilchick, Frederick Epstein, Miaomiao Zhang
• Abstract要約: 本稿では,日常的に取得される標準画像に大きく依存する臨床分析の性能向上を目的とした多モードディープラーニングフレームワークを提案する。 本研究では,DENSE(Displacement with Stimulated Echo)から得られた心筋病変の精度と精度を初めて活用し,後期機械的アクティベーション(LMA)検出におけるCMR(cine heartc magnetic resonance)画像の解析をガイドするジョイントラーニングネットワークを開発した。
• 参考スコア（独自算出の注目度）: 3.9111646862781826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a multimodal deep learning framework that utilizes advanced image techniques to improve the performance of clinical analysis heavily dependent on routinely acquired standard images. More specifically, we develop a joint learning network that for the first time leverages the accuracy and reproducibility of myocardial strains obtained from Displacement Encoding with Stimulated Echo (DENSE) to guide the analysis of cine cardiac magnetic resonance (CMR) imaging in late mechanical activation (LMA) detection. An image registration network is utilized to acquire the knowledge of cardiac motions, an important feature estimator of strain values, from standard cine CMRs. Our framework consists of two major components: (i) a DENSE-supervised strain network leveraging latent motion features learned from a registration network to predict myocardial strains; and (ii) a LMA network taking advantage of the predicted strain for effective LMA detection. Experimental results show that our proposed work substantially improves the performance of strain analysis and LMA detection from cine CMR images, aligning more closely with the achievements of DENSE.
• Abstract（参考訳）: 本稿では,高度な画像技術を用いて,日常的に取得される標準画像に強く依存する臨床分析の性能を向上させるマルチモーダル深層学習フレームワークを提案する。 具体的には,DENSE(Displacement Encoding with Stimulated Echo)から得られた心筋ひずみの精度と再現性を初めて活用した共同学習ネットワークを構築し,後期機械的活性化(LMA)検出における心臓磁気共鳴(CMR)画像の解析を指導する。 画像登録ネットワークを用いて、標準シネCMRからひずみ値の重要特徴推定器である心臓運動の知識を取得する。 私たちのフレームワークは2つの主要なコンポーネントで構成されています。 (i)登録ネットワークから学習した潜伏運動の特徴を生かして心筋ストレインを予測する高密度教師付きストレインネットワーク、 (II) 予測ひずみを利用して効率的なLMA検出を行うLMAネットワーク。 実験結果から,DENSEの成果とより密に一致したシネCMR画像からのひずみ解析とLMA検出の性能が大幅に向上することが示唆された。

関連論文リスト

• Deep Multi-contrast Cardiac MRI Reconstruction via vSHARP with Auxiliary Refinement Network [7.043932618116216]
  本稿では,2次元動的マルチコントラスト,マルチスキーム,マルチアクセラレーションMRIの深層学習に基づく再構成手法を提案する。 提案手法は,半2乗変数分割とADMM最適化を利用した最先端のvSHARPモデルを統合する。
  論文  参考訳（メタデータ） (2024-11-02T15:59:35Z)
• Attention Incorporated Network for Sharing Low-rank, Image and K-space Information during MR Image Reconstruction to Achieve Single Breath-hold Cardiac Cine Imaging [9.531827741901662]
  我々は,MRI再構成のための新しい深層学習ネットワークに,低ランク,画像,k空間を含む複数の領域からの情報を埋め込むことを提案する。 A-LIKNetは並列ブランチ構造を採用し、k空間と画像領域で独立した学習を可能にする。
  論文  参考訳（メタデータ） (2024-07-03T11:54:43Z)
• Multitask Learning for Improved Late Mechanical Activation Detection of Heart from Cine DENSE MRI [7.369925597471201]
  本稿では,LMA量を同時に推定し,スカーレスLMA領域を分類するマルチタスク深層学習フレームワークを提案する。 新たに導入した補助的LMA領域分類サブネットワークにより, 心筋障害による複雑なパターンに対して, より堅牢性を示した。
  論文  参考訳（メタデータ） (2022-11-11T14:31:15Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• Multi-Modality Cardiac Image Analysis with Deep Learning [16.814634972950717]
  晩期ガドリニウム造影MRI(LGE MRI)は,心筋梗塞(MI)および心房粗動の可視化と定量化に有望な手法である。 本章は,深層学習に基づく多モード心画像解析における現状と最近の進歩を要約することを目的としている。
  論文  参考訳（メタデータ） (2021-11-08T12:54:11Z)
• Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
  我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。 我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。 私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
  論文  参考訳（メタデータ） (2021-10-15T13:16:59Z)
• Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network [18.433956246011466]
  本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。 実験の結果,2つの臨床検査データセットの画質が有意に向上した。
  論文  参考訳（メタデータ） (2020-06-23T01:55:57Z)
• 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)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。