論文の概要: Multi-view Cardiac Image Segmentation via Trans-Dimensional Priors

• arxiv url: http://arxiv.org/abs/2404.16708v1
• Date: Thu, 25 Apr 2024 16:13:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-26 12:41:33.923355
• Title: Multi-view Cardiac Image Segmentation via Trans-Dimensional Priors
• Title（参考訳）: 経時的前駆体を用いた多視点心画像分割
• Authors: Abbas Khan, Muhammad Asad, Martin Benning, Caroline Roney, Gregory Slabaugh,
• Abstract要約: 多視点心画像分割のための新しいトランス次元アーキテクチャを提案する。 本手法は、長軸(2D)と短軸(3D)磁気共鳴(MR)画像の関係を利用する。
• 参考スコア（独自算出の注目度）: 0.508267104652645
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel multi-stage trans-dimensional architecture for multi-view cardiac image segmentation. Our method exploits the relationship between long-axis (2D) and short-axis (3D) magnetic resonance (MR) images to perform a sequential 3D-to-2D-to-3D segmentation, segmenting the long-axis and short-axis images. In the first stage, 3D segmentation is performed using the short-axis image, and the prediction is transformed to the long-axis view and used as a segmentation prior in the next stage. In the second step, the heart region is localized and cropped around the segmentation prior using a Heart Localization and Cropping (HLC) module, focusing the subsequent model on the heart region of the image, where a 2D segmentation is performed. Similarly, we transform the long-axis prediction to the short-axis view, localize and crop the heart region and again perform a 3D segmentation to refine the initial short-axis segmentation. We evaluate our proposed method on the Multi-Disease, Multi-View & Multi-Center Right Ventricular Segmentation in Cardiac MRI (M&Ms-2) dataset, where our method outperforms state-of-the-art methods in segmenting cardiac regions of interest in both short-axis and long-axis images. The pre-trained models, source code, and implementation details will be publicly available.
• Abstract（参考訳）: 本稿では,多視点心画像分割のための新しい多次元超次元アーキテクチャを提案する。 本手法は, 長軸(2D)と短軸(3D)の磁気共鳴画像の関係を利用して, 連続的に3次元から2次元へ3次元に分割し, 長軸と短軸を分割する。 第1段階では、短軸画像を用いて3Dセグメンテーションを行い、その予測を長軸ビューに変換し、次のステージに先立ってセグメンテーションとして使用する。 第2ステップでは、2Dセグメンテーションを行う画像の心臓領域に後続のモデルを集中させて、Heart Localization and Cropping (HLC)モジュールを用いて、心臓領域を局所化し、セグメンテーションの周囲に収穫する。 同様に、長軸予測を短軸ビューに変換し、心臓領域をローカライズし、収穫し、再度3次元セグメンテーションを行い、初期短軸セグメンテーションを洗練させる。 心臓MRI(M&Ms-2)データセットにおける多自由度, マルチビュー, マルチセンター右室セグメンテーション(M&Ms-2)における提案手法の評価を行った。 事前訓練されたモデル、ソースコード、実装の詳細は、公開される予定である。

関連論文リスト

• Compositional Segmentation of Cardiac Images Leveraging Metadata [0.508267104652645]
  心機能評価と心構造変化の経時的モニタリングには,心像のセグメンテーションが不可欠である。 本研究では,心画像中の心臓を同時に局所化し,興味のある領域のパートベースセグメンテーションを行う,新しい構成セグメンテーション手法を提案する。 また,画像取得時に収集した心筋画像に関連するメタデータを活用するために,新しいクロスモーダル・フィーチャー・インテグレーション(CMFI)モジュールを提案する。
  論文  参考訳（メタデータ） (2024-10-30T15:41:35Z)
• Image Segmentation in Foundation Model Era: A Survey [99.19456390358211]
  イメージセグメンテーションにおける現在の研究は、これらの進歩に関連する特徴、課題、解決策の詳細な分析を欠いている。 本調査は、FM駆動画像セグメンテーションを中心とした最先端の研究を徹底的にレビューすることで、このギャップを埋めようとしている。 現在の研究成果の広さを包括する,300以上のセグメンテーションアプローチの概要を概観する。
  論文  参考訳（メタデータ） (2024-08-23T10:07:59Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• A Multi-Scale Spatial Transformer U-Net for Simultaneously Automatic Reorientation and Segmentation of 3D Nuclear Cardiac Images [6.347837887930855]
  小型のLV心筋(LV-MY)領域の検出と各患者の心構造の変化は,LVセグメンテーションに対する課題を提起する。 マルチスケール空間変換器ネットワーク(MSSTN)とマルチスケールUNet(MSUNet)モジュールを含むマルチスケール空間変換器UNet(MS-ST-UNet)と呼ばれるエンドツーエンドモデルを提案する。 提案法は,13N-アンモニアPETと99mTc-sestamibi SPECTの2つの異なる核心画像モダリティを用いて,訓練および試験を行った。
  論文  参考訳（メタデータ） (2023-10-16T05:56:53Z)
• Echocardiography Segmentation Using Neural ODE-based Diffeomorphic Registration Field [0.0]
  本稿ではニューラル常微分方程式(ニューラルODE)を用いた新しい拡散画像登録法を提案する。 提案手法であるEcho-ODEでは,従来の最先端技術と比較して,いくつかの改良が加えられている。 その結果,本手法は過去の最先端技術よりも多面的に優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-16T08:37:27Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• PA-Seg: Learning from Point Annotations for 3D Medical Image Segmentation using Contextual Regularization and Cross Knowledge Distillation [14.412073730567137]
  本稿では,3次元医用画像の7点のみのセグメンテーションターゲットに注釈を付け,弱教師付き学習フレームワークPA-Segを設計する。 第1段階では、より監督的な信号を提供するために、シードポイントを拡張するために測地距離変換を用いる。 第2段階では、第1段階で事前学習されたモデルから得られた予測を擬似ラベルとして使用する。
  論文  参考訳（メタデータ） (2022-08-11T07:00:33Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Slice Imputation: Intermediate Slice Interpolation for Anisotropic 3D Medical Image Segmentation [4.975202573768993]
  異方性3次元医用画像のセグメンテーション精度を向上させるために,スライス計算のための新しいフレーム補間法を提案する。 本手法は, 計算トモグラフィと磁気共鳴画像のボリュームにおいて, 競合するスライス計算法より優れる。
  論文  参考訳（メタデータ） (2022-03-21T07:33:49Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• 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。