Fugu-MT 論文翻訳(概要): GAPNet: Granularity Attention Network with Anatomy-Prior-Constraint for Carotid Artery Segmentation

論文の概要: GAPNet: Granularity Attention Network with Anatomy-Prior-Constraint for Carotid Artery Segmentation

arxiv url: http://arxiv.org/abs/2406.19485v1
Date: Thu, 27 Jun 2024 18:58:41 GMT
ステータス: 処理完了
システム内更新日: 2024-07-01 18:41:35.462703
Title: GAPNet: Granularity Attention Network with Anatomy-Prior-Constraint for Carotid Artery Segmentation
Title（参考訳）: GAPNet:頸動脈分節に対する解剖学的制約付き顆粒度注意ネットワーク
Authors: Lin Zhang, Chenggang Lu, Xin-yang Shi, Caifeng Shan, Jiong Zhang, Da Chen, Laurent D. Cohen,
Abstract要約: 動脈硬化症は慢性進行性疾患であり、主に動脈壁に影響する。頸部の複雑な解剖は、頸動脈と周囲の構造を区別する上での課題である。
参考スコア（独自算出の注目度）: 23.591297265119533
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Atherosclerosis is a chronic, progressive disease that primarily affects the arterial walls. It is one of the major causes of cardiovascular disease. Magnetic Resonance (MR) black-blood vessel wall imaging (BB-VWI) offers crucial insights into vascular disease diagnosis by clearly visualizing vascular structures. However, the complex anatomy of the neck poses challenges in distinguishing the carotid artery (CA) from surrounding structures, especially with changes like atherosclerosis. In order to address these issues, we propose GAPNet, which is a consisting of a novel geometric prior deduced from.
Abstract（参考訳）: 動脈硬化症は慢性進行性疾患であり、主に動脈壁に影響する。心臓血管疾患の主要な原因の1つである。 Magnetic Resonance (MR) Black-blood vessel wall imaging (BB-VWI) は血管疾患の診断において重要な知見である。しかし、頸部の複雑な解剖は、特に動脈硬化のような変化を伴う周囲の組織と頸動脈(CA)を区別する上で困難である。これらの問題に対処するため,我々は新しい幾何学的先行推定法であるGAPNetを提案する。

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)
Segmentation of diagnostic tissue compartments on whole slide images with renal thrombotic microangiopathies (TMAs) [0.38228662511209544]
腎生検のスライス画像全体を用いて, 動脈, 動脈, 糸球体を確定診断するためのセグメンテーションモデルを訓練した。我々のセグメンテーションモデルは、U-Netベースの組織検出とシフトウィンドウトランスフォーマーアーキテクチャを組み合わせることで、最も高度に変化した糸球体、動脈、動脈でも優れたセグメンテーション結果が得られる。
論文参考訳（メタデータ） (2023-11-25T09:08:30Z)
Hyper Association Graph Matching with Uncertainty Quantification for Coronary Artery Semantic Labeling [4.9679652736351905]
ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
論文参考訳（メタデータ） (2023-08-20T16:59:17Z)
Learning-Based Keypoint Registration for Fetoscopic Mosaicking [65.02392513942533]
ツイン・トゥ・ツイン輸血症候群(TTTS)では、単子葉胎盤の血管系異常な血管性無痛が両胎児の間に不均一な血流を生じさせる。本研究では,フィールド・オブ・ビュー展開のためのフェトスコープフレーム登録のための学習ベースフレームワークを提案する。
論文参考訳（メタデータ） (2022-07-26T21:21:12Z)
Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文参考訳（メタデータ） (2022-03-12T15:24:03Z)
Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
論文参考訳（メタデータ） (2022-01-27T16:37:19Z)
MEDUSA: Multi-scale Encoder-Decoder Self-Attention Deep Neural Network Architecture for Medical Image Analysis [71.2022403915147]
医用画像解析に適したマルチスケールエンコーダデコーダ自己保持機構であるMEDUSAを紹介する。我々は、COVIDx、RSNA RICORD、RSNA Pneumonia Challengeなどの医療画像分析ベンチマークの最先端性能を得た。
論文参考訳（メタデータ） (2021-10-12T15:05:15Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
Anatomy Prior Based U-net for Pathology Segmentation with Attention [11.266069499113966]
本稿では,U-netセグメンテーションネットワークとアテンション手法を組み合わせた,解剖学的事前ベースフレームワークを提案する。本研究では, 心筋と心筋梗塞と非リフロー領域の包含関係を評価するため, 近所のペナルティ戦略を提案する。その結果,本フレームワークは病理領域のセグメンテーションに有効であることが示唆された。
論文参考訳（メタデータ） (2020-11-17T16:52:29Z)
ECGDetect: Detecting Ischemia via Deep Learning [0.0]
RCE-ECG-Detectは、心筋虚血に伴うST変化における形態パターンを検出する機械学習モデルである。我々のディープニューラルネットワークモデルは畳み込み層を備え、90.31%のROC-AUC、89.34%の感度、87.81%の特異性が得られる。
論文参考訳（メタデータ） (2020-09-28T11:57:26Z)
Design and Development of a Web-based Tool for Inpainting of Dissected Aortae in Angiography Images [69.14026408176609]
提案した塗布ツールは、大動脈解離を塗布するタスクに基づいてトレーニングされたニューラルネットワークを組み合わせたものである。ツールをWebアプリケーションとして設計することにより、ニューラルネットワークの使用を簡素化し、初期学習曲線を小さくする。
論文参考訳（メタデータ） (2020-05-06T12:22:21Z)

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。