論文の概要: A vascular synthetic model for improved aneurysm segmentation and detection via Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2403.18734v1
• Date: Wed, 27 Mar 2024 16:22:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 16:09:33.687468
• Title: A vascular synthetic model for improved aneurysm segmentation and detection via Deep Neural Networks
• Title（参考訳）: 深部神経回路による動脈瘤の分節と検出の改善のための血管合成モデル
• Authors: Rafic Nader, Florent Autrusseau, Vincent L'Allinec, Romain Bourcier,
• Abstract要約: 私たちの目標は、3D畳み込みニューラルネットワーク(CNN)で使用できる脳動脈のデータセットを提供することでした。 本モデルは,動脈形状,ICA形状,背景雑音を同時に再現するように設計されている。
• 参考スコア（独自算出の注目度）: 0.8749675983608172
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We hereby present a full synthetic model, able to mimic the various constituents of the cerebral vascular tree: the cerebral arteries, the bifurcations and the intracranial aneurysms. By building this model, our goal was to provide a substantial dataset of brain arteries which could be used by a 3D Convolutional Neural Network (CNN) to either segment or detect/recognize various vascular diseases (such as artery dissection/thrombosis) or even some portions of the cerebral vasculature, such as the bifurcations or aneurysms. In this study, we will particularly focus on Intra-Cranial Aneurysm (ICA) detection and segmentation. The cerebral aneurysms most often occur on a particular structure of the vascular tree named the Circle of Willis. Various studies have been conducted to detect and monitor the ICAs and those based on Deep Learning (DL) achieve the best performances. Specifically, in this work, we propose a full synthetic 3D model able to mimic the brain vasculature as acquired by Magnetic Resonance Angiography (MRA), and more particularly the Time Of Flight (TOF) principle. Among the various MRI modalities, the MRA-TOF allows to have a relatively good rendering of the blood vessels and is non-invasive (no contrast liquid injection). Our model has been designed to simultaneously mimic the arteries geometry, the ICA shape and the background noise. The geometry of the vascular tree is modeled thanks to an interpolation with 3D Spline functions, and the statistical properties of the background MRI noise is collected from MRA acquisitions and reproduced within the model. In this work, we thoroughly describe the synthetic vasculature model, we build up a neural network designed for ICA segmentation and detection, and finally, we carry out an in-depth evaluation of the performance gap gained thanks to the synthetic model data augmentation.
• Abstract（参考訳）: そこで本研究では,脳動脈,分岐部,頭蓋内大動脈瘤など,脳血管の様々な構成成分を模倣する,完全な合成モデルを提案する。 このモデルを構築することで、3D畳み込みニューラルネットワーク(CNN)によって、様々な血管疾患(動脈解離・血栓症など)の分節または検出、あるいは、分岐や動脈瘤などの脳血管の一部分を識別するために、脳動脈のかなりのデータセットを提供することが目的であった。 本研究は特に脳動脈瘤(ICA)の検出とセグメンテーションに焦点を当てる。 脳動脈瘤は、しばしば、ウィリスの円(Circle of Willis)と呼ばれる血管樹の特定の構造に発生する。 ICAを検出・監視するために様々な研究がなされており、その成果はディープラーニング(DL)に基づく。 具体的には、磁気共鳴血管造影(MRA)により得られた脳血管を模倣できる完全な合成3Dモデル、特に飛行時間(TOF)の原理を提案する。 様々なMRIモダリティの中で、MRA-TOFは血管の比較的良好なレンダリングを可能にし、非侵襲的(対照的な液体注入は行わない)である。 本モデルは,動脈形状,ICA形状,背景雑音を同時に再現するように設計されている。 血管の形状は3次元スプライン関数の補間によりモデル化され、背景MRIノイズの統計的特性はMRA取得から収集され、モデル内で再生される。 本研究では, 合成血管モデルを網羅的に記述し, ICAセグメンテーションと検出のために設計されたニューラルネットワークを構築し, そして, 合成モデルデータの拡張により得られた性能ギャップの詳細な評価を行う。

関連論文リスト

• Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario [0.8749675983608172]
  このモデルは、脳動脈瘤を効率的に検出するために、3D畳み込みニューラルネットワークが使用できる脳動脈のデータセットを提供することを目的としている。 本研究では, 人工血管モデルを網羅的に記述し, 動脈瘤の分節と検出のために設計されたニューラルネットワークを構築し, 合成モデルデータの拡張により得られた性能ギャップの詳細な評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T18:08:24Z)
• Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
  本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。 提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。 前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
  論文  参考訳（メタデータ） (2024-07-01T16:09:07Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Denoising Diffusion Models for 3D Healthy Brain Tissue Inpainting [3.9347915104376168]
  脳の構造的整合性に影響を与える疾患のモニタリングには、磁気共鳴(MR)画像の自動解析が必要である。 画像空間で作業する最先端の2D, 擬似3D, 3D法, および3D潜伏および3Dウェーブレット拡散モデルを修正し, 正常な脳組織を合成するよう訓練する。 評価の結果,擬似3次元モデルでは,構造相似指数,ピーク信号-雑音比,平均二乗誤差が最良であることがわかった。
  論文  参考訳（メタデータ） (2024-03-21T15:52:05Z)
• Robust semi-automatic vessel tracing in the human retinal image by an instance segmentation neural network [1.324564545341267]
  ケースセグメンテーションニューラルネットワーク(InSegNN)による人間の眼底画像に対する頑健な半自動血管追跡アルゴリズムの新たなアプローチを提案する。 InSegNNは、異なる血管樹を個別に分離し、ラベル付けすることで、枝分かれ全体を通して各木をトレースすることができる。 底面画像から個々の血管木を抽出し,同時に血管階層情報を保持することを実証した。
  論文  参考訳（メタデータ） (2024-02-15T16:25:28Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• A deep learning model for brain vessel segmentation in 3DRA with arteriovenous malformations [0.46180371154032895]
  本稿では,bAVM患者の3DRA画像における血管セグメンテーションに関する最初のディープラーニングモデルを提案する。 我々は、bAVMケースの5つの3DRAボリュームを密に注釈付けし、これらを使用して、異なるセグメンテーション目的の2つの代替3DUNetベースのアーキテクチャをトレーニングしました。 以上の結果から,bAVM解析の網羅的網羅的網羅的網羅的網羅性は,標準手法よりもはるかに良好であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-05T17:35:56Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• 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)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。