論文の概要: Coronary artery segmentation in non-contrast calcium scoring CT images
using deep learning
- arxiv url: http://arxiv.org/abs/2403.02544v1
- Date: Mon, 4 Mar 2024 23:40:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 16:37:49.448315
- Title: Coronary artery segmentation in non-contrast calcium scoring CT images
using deep learning
- Title（参考訳）: 深層学習による非コントラストカルシウムスコアリングct画像の冠動脈分画
- Authors: Mariusz Bujny, Katarzyna Jesionek, Jakub Nalepa, Karol
Miszalski-Jamka, Katarzyna Widawka-\.Zak, Sabina Wolny, Marcin Kostur
- Abstract要約: 非コントラスト心エコー画像における冠状動脈のセグメンテーションのためのディープラーニングアルゴリズムを提案する。
テストGTを作成するために,手動メッシュ画像登録のための新しい手法を提案する。
実験結果から,トレーニングに使用するGTよりもトレーニングモデルの精度が有意に高く,相互変動に近いDiceとclDiceの測定値が得られた。
- 参考スコア（独自算出の注目度）: 2.2687766762329886
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise localization of coronary arteries in Computed Tomography (CT) scans
is critical from the perspective of medical assessment of coronary artery
disease. Although various methods exist that offer high-quality segmentation of
coronary arteries in cardiac contrast-enhanced CT scans, the potential of less
invasive, non-contrast CT in this area is still not fully exploited. Since such
fine anatomical structures are hardly visible in this type of medical images,
the existing methods are characterized by high recall and low precision, and
are used mainly for filtering of atherosclerotic plaques in the context of
calcium scoring. In this paper, we address this research gap and introduce a
deep learning algorithm for segmenting coronary arteries in multi-vendor
ECG-gated non-contrast cardiac CT images which benefits from a novel framework
for semi-automatic generation of Ground Truth (GT) via image registration. We
hypothesize that the proposed GT generation process is much more efficient in
this case than manual segmentation, since it allows for a fast generation of
large volumes of diverse data, which leads to well-generalizing models. To
investigate and thoroughly evaluate the segmentation quality based on such an
approach, we propose a novel method for manual mesh-to-image registration,
which is used to create our test-GT. The experimental study shows that the
trained model has significantly higher accuracy than the GT used for training,
and leads to the Dice and clDice metrics close to the interrater variability.
- Abstract（参考訳）: CT(CT)スキャンにおける冠動脈の正確な局在は,冠動脈疾患の医学的評価の観点から重要である。
心コントラスト造影CTでは,冠動脈の高品質な分画を行う方法がいろいろあるが,非造影CTの非侵襲性はいまだ十分に活用されていない。
このような微細な解剖学的構造はこの種の医用画像では目立たないため、既存の方法は高いリコールと低い精度で特徴付けられ、主にカルシウムスコアリングの文脈で動脈硬化性プラークの濾過に用いられる。
本稿では,本研究のギャップを解消し,多ベンダ心電図同期非コントラストct画像における冠動脈のセグメント化のための深層学習アルゴリズムを提案する。
我々は,提案するgt生成プロセスは,多種多様なデータを高速に生成できるため,手作業によるセグメンテーションよりもはるかに効率的であると仮定する。
このようなアプローチに基づいてセグメンテーションの品質を徹底的に評価するために,テストGTを作成するための手動メッシュ・ツー・イメージ登録手法を提案する。
実験結果から,トレーニングに使用するGTよりもトレーニングモデルの精度が有意に高く,相互変動に近いDiceとclDiceの測定値が得られた。
関連論文リスト
- AGFA-Net: Attention-Guided and Feature-Aggregated Network for Coronary Artery Segmentation using Computed Tomography Angiography [5.583495103569884]
CCTA画像を用いた冠動脈セグメンテーションのための注意誘導型3Dディープネットワーク(AGFA-Net)を提案する。
AGFA-Netは注意機構と機能改善モジュールを活用して、有能な特徴を捉え、セグメンテーションの精度を高める。
1000個のCCTAスキャンからなるデータセットの評価はAGFA-Netの優れた性能を示し、平均Dice係数は86.74%、ハウスドルフ距離は0.23mmである。
論文 参考訳（メタデータ） (2024-06-13T01:04:47Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - 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) - ImageCAS: A Large-Scale Dataset and Benchmark for Coronary Artery
Segmentation based on Computed Tomography Angiography Images [13.486031592290258]
心臓血管疾患 (CVD) は非感染性疾患の約半数を占める。
冠動脈の血管狭窄はCVDの大きなリスクであると考えられている。
CTA画像を用いた冠動脈セグメンテーションのための大規模データセットを提案する。
論文 参考訳（メタデータ） (2022-11-03T06:37:10Z) - CACTUSS: Common Anatomical CT-US Space for US examinations [36.45569352490318]
腹部大動脈瘤(英: Abdominal aortic aneurysm, AAA)は、大動脈の一部が拡大し、その壁を弱め、血管を破裂させる血管疾患である。
近年の腹部CTデータセットは, 深部神経回路の訓練に有効である。
CACTUSSはCTとUSモダリティの間の仮想ブリッジとして機能し、自動AAAスクリーニングソノグラフィーを可能にする。
論文 参考訳（メタデータ） (2022-07-18T14:05:25Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - 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) - Multi-Slice Low-Rank Tensor Decomposition Based Multi-Atlas
Segmentation: Application to Automatic Pathological Liver CT Segmentation [4.262342157729123]
腹部CT像からの肝分画は,肝癌のコンピュータ診断と手術計画に必須のステップである。
現在、既存の肝セグメンテーション法の精度と堅牢性は臨床応用の要件を満たしていない。
低ランクテンソル分解(LRTD)ベースのマルチアトラス分割(MAS)フレームワークを提案し、CT画像の正確で堅牢な病理学的肝分割を実現する。
論文 参考訳（メタデータ） (2021-02-24T04:09:39Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - 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) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z)
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。