論文の概要: Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images
- arxiv url: http://arxiv.org/abs/2406.00329v2
- Date: Thu, 6 Jun 2024 15:27:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-07 20:03:47.890770
- Title: Whole Heart 3D+T Representation Learning Through Sparse 2D Cardiac MR Images
- Title（参考訳）: Sparse 2D Cardiac MR画像による全心3D+T表現学習
- Authors: Yundi Zhang, Chen Chen, Suprosanna Shit, Sophie Starck, Daniel Rueckert, Jiazhen Pan,
- Abstract要約: 本研究では,心臓スタック全体にわたる空間的パッチと時間的パッチの相関関係を自動的に解明する,完全自己教師型学習フレームワークを提案する。
我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
- 参考スコア（独自算出の注目度）: 13.686473040836113
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiac Magnetic Resonance (CMR) imaging serves as the gold-standard for evaluating cardiac morphology and function. Typically, a multi-view CMR stack, covering short-axis (SA) and 2/3/4-chamber long-axis (LA) views, is acquired for a thorough cardiac assessment. However, efficiently streamlining the complex, high-dimensional 3D+T CMR data and distilling compact, coherent representation remains a challenge. In this work, we introduce a whole-heart self-supervised learning framework that utilizes masked imaging modeling to automatically uncover the correlations between spatial and temporal patches throughout the cardiac stacks. This process facilitates the generation of meaningful and well-clustered heart representations without relying on the traditionally required, and often costly, labeled data. The learned heart representation can be directly used for various downstream tasks. Furthermore, our method demonstrates remarkable robustness, ensuring consistent representations even when certain CMR planes are missing/flawed. We train our model on 14,000 unlabeled CMR data from UK BioBank and evaluate it on 1,000 annotated data. The proposed method demonstrates superior performance to baselines in tasks that demand comprehensive 3D+T cardiac information, e.g. cardiac phenotype (ejection fraction and ventricle volume) prediction and multi-plane/multi-frame CMR segmentation, highlighting its effectiveness in extracting comprehensive cardiac features that are both anatomically and pathologically relevant.
- Abstract（参考訳）: 心臓磁気共鳴(CMR)イメージングは、心臓形態と機能を評価するための金標準として機能する。
通常、短軸(SA)と2/3/4チャンバー長軸(LA)をカバーした多視点CMRスタックが、徹底的な心臓評価のために取得される。
しかし、複雑で高次元の3D+T CMRデータを効率的に合理化し、コンパクトでコヒーレントな表現を蒸留することは依然として困難である。
本研究では,マスク画像モデルを用いて心臓スタック全体における空間的パッチと時間的パッチの相関関係を自動的に解明する自己教師付き学習フレームワークを提案する。
このプロセスは、伝統的に必要であり、しばしばコストがかかるラベル付きデータに頼ることなく、有意義でクラスタ化された心臓表現の生成を促進する。
学習したハート表現は、様々な下流タスクに直接使用することができる。
さらに,本手法は,特定のCMR平面が欠落した場合でも,一貫した表現を確実にする,顕著な堅牢性を示す。
我々は、UK BioBankから14,000のラベルなしCMRデータをトレーニングし、1000の注釈付きデータで評価する。
提案手法は, 包括的な3D+T心筋情報, eg心筋表現型(エジェクション分画および心室容積)予測, マルチプレーン/マルチフレームCMRセグメンテーションを要求されるタスクにおけるベースラインよりも優れた性能を示し, 解剖学的および病理学的に関連のある包括的な心臓特徴の抽出に有効であることを示す。
関連論文リスト
- Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。
これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。
パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
論文 参考訳（メタデータ） (2024-08-27T12:55:54Z) - CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI [39.0162369912624]
CMRxRecon2024データセットは、最も大きく、最も多種多様な公開されたk空間データセットである。
健常者330名から取得され、一般的に使用されるモダリティ、解剖学的視点、臨床心臓MRIにおける獲得軌跡をカバーしている。
論文 参考訳（メタデータ） (2024-06-27T09:50:20Z) - Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。
本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。
中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。
実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
論文 参考訳（メタデータ） (2024-06-19T02:42:29Z) - CoReEcho: Continuous Representation Learning for 2D+time Echocardiography Analysis [42.810247034149214]
直接EF回帰に適した連続表現を強調する新しいトレーニングフレームワークであるCoReEchoを提案する。
CoReEcho: 1) 最大の心エコー画像データセット(EchoNet-Dynamic)上で現在最先端のSOTA(State-of-the-art)を、82.44の3.90&R2のMAEで上回り、2) 関連する下流タスクにおいてより効果的に転送する堅牢で一般化可能な機能を提供する。
論文 参考訳（メタデータ） (2024-03-15T10:18:06Z) - SAF-Net: Self-Attention Fusion Network for Myocardial Infarction
Detection using Multi-View Echocardiography [16.513495618124487]
心筋梗塞(MI)は,冠動脈疾患(CAD)の重篤な症例であり,最終的に心筋の進行的損傷を予防するためには,その検出が重要である。
多視点心エコー記録からMIを検出するための自己注意核融合ネットワーク(SAF-Net)と呼ばれる新しいビュー融合モデルを提案する。
論文 参考訳（メタデータ） (2023-09-27T09:38:03Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - M(otion)-mode Based Prediction of Ejection Fraction using
Echocardiograms [13.112371567924802]
心エコー図のM(otion)モードを用いて左室流出率(EF)を推定し,心筋症を分類する。
心エコー図から複数の人工Mモード画像を生成し,既製のモデルアーキテクチャを用いて組み合わせる。
実験の結果,教師付き設定は10モードで収束し,ベースライン法に匹敵することがわかった。
論文 参考訳（メタデータ） (2023-09-07T15:00:58Z) - DMCVR: Morphology-Guided Diffusion Model for 3D Cardiac Volume
Reconstruction [33.59945107137013]
現在の心臓MRIによる再建技術は、平面解像度が制限された2Dである。
本稿では,高解像度2次元画像とそれに対応する3次元再構成ボリュームを合成する3次元心容積再構成のための形態誘導拡散モデルDMCVRを提案する。
論文 参考訳（メタデータ） (2023-08-18T00:48:30Z) - A Comprehensive 3-D Framework for Automatic Quantification of Late
Gadolinium Enhanced Cardiac Magnetic Resonance Images [5.947543669357994]
後期ガドリニウム増強(LGE)心筋磁気共鳴(CMR)は、高強度の非生存性心筋を直接可視化することができる。
心臓発作患者に対しては,LGE CMR画像の解析と定量化により適切な治療の決定を容易にすることが重要である。
正確な定量化を実現するためには、LGE CMR画像は心筋の分画と梗塞の分類の2つのステップで処理する必要がある。
論文 参考訳（メタデータ） (2022-05-21T11:54:39Z) - On the effectiveness of GAN generated cardiac MRIs for segmentation [12.59275199633534]
本稿では,心形態の潜在表現を学習するための変分オートエンコーダ(VAE)を提案する。
一方、GANは、与えられた解剖学的マップに適した現実的なMR画像を生成するために、"SPatially-Adaptive (DE)Normalization"モジュールを使用する。
合成アノテート画像を用いて訓練したCNNのセグメンテーションは,従来の手法と比較して競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-05-18T18:48:38Z) - How well do U-Net-based segmentation trained on adult cardiac magnetic
resonance imaging data generalise to rare congenital heart diseases for
surgical planning? [2.330464988780586]
先天性心疾患(TOF)患者における肺弁置換術の適応時期は, 主に心室容積と機能に基づく。
過去数年間のいくつかの大きな課題において、U-Netアーキテクチャは提供されたデータに対して印象的な結果を示している。
しかし、臨床実践においては、個々の病理や異なるスキャナー特性から派生した画像特性を考えると、データセットはより多様である。
論文 参考訳（メタデータ） (2020-02-10T08:50:51Z)
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。