論文の概要: Synthetic Data Generation for 3D Myocardium Deformation Analysis

• arxiv url: http://arxiv.org/abs/2406.01040v1
• Date: Mon, 3 Jun 2024 06:40:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 02:17:50.679526
• Title: Synthetic Data Generation for 3D Myocardium Deformation Analysis
• Title（参考訳）: 3次元心筋変形解析のための合成データ生成
• Authors: Shahar Zuler, Dan Raviv,
• Abstract要約: 心血管画像データセットを充実させるための合成データ生成手法を提案する。 心臓の4次元CTスキャン,パラメータの選択,およびその後のトレーニング用合成データ作成から得られたデータ準備について概説した。 本研究は,高精度な注釈付き高解像度CTデータセットの不足による限界を克服するために貢献する。
• 参考スコア（独自算出の注目度）: 6.589305845797262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate analysis of 3D myocardium deformation using high-resolution computerized tomography (CT) datasets with ground truth (GT) annotations is crucial for advancing cardiovascular imaging research. However, the scarcity of such datasets poses a significant challenge for developing robust myocardium deformation analysis models. To address this, we propose a novel approach to synthetic data generation for enriching cardiovascular imaging datasets. We introduce a synthetic data generation method, enriched with crucial GT 3D optical flow annotations. We outline the data preparation from a cardiac four-dimensional (4D) CT scan, selection of parameters, and the subsequent creation of synthetic data from the same or other sources of 3D cardiac CT data for training. Our work contributes to overcoming the limitations imposed by the scarcity of high-resolution CT datasets with precise annotations, thereby facilitating the development of accurate and reliable myocardium deformation analysis algorithms for clinical applications and diagnostics. Our code is available at: http://www.github.com/shaharzuler/cardio_volume_skewer
• Abstract（参考訳）: 高分解能CTデータセットとGTアノテーションを用いた3次元心筋変形の正確な解析は、心血管画像研究の進展に不可欠である。 しかし、そのようなデータセットの不足は、堅牢な心筋変形解析モデルを開発する上で大きな課題となる。 そこで本研究では,心血管画像データセットの充実のための合成データ生成手法を提案する。 本稿では,GT 3D光フローアノテーションを付加した合成データ生成手法を提案する。 心4次元CTスキャン(4D)からのデータ作成,パラメータの選択,および同一または他の心3次元CTデータからの合成データの作成について概説した。 本研究は,高分解能CTデータセットの欠如による限界を克服し,臨床応用と診断のための正確かつ信頼性の高い心筋変形解析アルゴリズムの開発に寄与する。 私たちのコードは、http://www.github.com/shaharzuler/cardio_volume_skewerで利用可能です。

関連論文リスト

• 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
  本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。 パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2024-09-28T12:31:07Z)
• A Data Augmentation Pipeline to Generate Synthetic Labeled Datasets of 3D Echocardiography Images using a GAN [6.0419497882916655]
  本研究では,3次元心エコー画像とそれに対応する基底真理ラベルを合成する画像生成パイプラインを提案する。 提案手法は, 心臓の詳細な解剖学的区分を基底真理ラベル源として利用する。
  論文  参考訳（メタデータ） (2024-03-08T15:26:27Z)
• Pathology Synthesis of 3D-Consistent Cardiac MR Images using 2D VAEs and GANs [0.5039813366558306]
  本稿では,教師付きディープラーニング(DL)トレーニングの適用のためのラベル付きデータを生成する手法を提案する。 画像合成はラベル変形とラベルから画像への変換からなる。 心臓MRI画像のデータベースを多様化・拡張する手法として,このようなアプローチが有効であることを示す。
  論文  参考訳（メタデータ） (2022-09-09T10:17:49Z)
• Learning Whole Heart Mesh Generation From Patient Images For Computational Simulations [2.2496714271898166]
  本稿では,医療画像から心臓のシミュレーションに適したモデルを構築するための,高速かつ自動化されたディープラーニング手法を提案する。 このアプローチは、心臓テンプレート全体の小さな変形ハンドルを変形させることを学ぶことで、3D画像からメッシュを構築する。
  論文  参考訳（メタデータ） (2022-03-20T10:19:05Z)
• 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)
• CT-SGAN: Computed Tomography Synthesis GAN [4.765541373485143]
  胸部CTスキャンの小さなデータセットを用いて,大規模な3次元合成CTスキャンボリュームを生成するCT-SGANモデルを提案する。 その結果,CT-SGANは大量の合成データに基づいて結節を事前訓練することにより,肺検出精度を著しく向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-10-14T22:20:40Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
  本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。 データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
  論文  参考訳（メタデータ） (2020-09-01T19:17:46Z)

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。