論文の概要: Methods to Measure the Broncho-Arterial Ratio and Wall Thickness in the Right Lower Lobe for Defining Radiographic Reversibility of Bronchiectasis

• arxiv url: http://arxiv.org/abs/2407.13183v1
• Date: Thu, 18 Jul 2024 05:43:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-19 16:42:04.740622
• Title: Methods to Measure the Broncho-Arterial Ratio and Wall Thickness in the Right Lower Lobe for Defining Radiographic Reversibility of Bronchiectasis
• Title（参考訳）: 気管支狭窄のX線学的可逆性判定のための右下葉の気管支動脈比と壁厚の測定方法
• Authors: Abhijith R. Beeravolu, Ian Brent Masters, Mirjam Jonkman, Kheng Cher Yeo, Spyridon Prountzos, Rahul J Thomas, Eva Ignatious, Sami Azam, Gabrielle B McCallum, Efthymia Alexopoulou, Anne B Chang, Friso De Boer,
• Abstract要約: 気管支狭窄診断の要点は,BAR(Brencho-Arterial ratio)の上昇である(小児では0.8)。 画像処理手法は、ローブやセグメントによるより高速な解釈と詳細な評価を容易にする。 そこで本稿では,BARの気道と動脈領域の正確な計測と計測方法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The diagnosis of bronchiectasis requires measuring abnormal bronchial dilation. It is confirmed using a chest CT scan, where the key feature is an increased broncho-arterial ratio (BAR) (>0.8 in children), often with bronchial wall thickening. Image processing methods facilitate quicker interpretation and detailed evaluations by lobes and segments. Challenges like inclined nature, oblique orientation, and partial volume effect make it difficult to obtain accurate measurements in the upper and middle lobes using the same algorithms. Therefore, accurate detection and measurement of airway and artery regions for BAR and wall thickness in each lobe require different image processing/machine learning methods. We propose methods for: 1. Separating the right lower lobe (RLL) region from full-length CT scans using the tracheal bifurcation (Carina) point as a central marker; 2. Locating the inner diameter of airways and outer diameter of arteries for BAR measurement; and 3. Measuring airway wall thickness (WT) by identifying the outer and inner diameters of airway boundaries. Analysis of 13 HRCT scans with varying thicknesses (0.67mm, 1mm, 2mm) shows the tracheal bifurcation frame can be detected accurately, with a deviation of +/- 2 frames in some cases. A Windows app was developed for measuring inner airway diameter, artery diameter, BAR, and wall thickness, allowing users to draw boundaries around visible BA pairs in the RLL region. Measurements of 10 BA pairs revealed accurate results comparable to those of a human reader, with deviations of +/- 0.10-0.15mm. Additional studies and validation are needed to consolidate inter- and intra-rater variability and enhance the methods.
• Abstract（参考訳）: 気管支狭窄の診断には異常な気管支拡張を計測する必要がある。 胸部CT検査では気管支動脈比(BAR)が上昇し,気管支壁が肥厚する傾向がみられた。 画像処理手法は、ローブやセグメントによるより高速な解釈と詳細な評価を容易にする。 傾斜性、斜め方向、部分体積効果といった課題は、同じアルゴリズムを用いて上葉と中葉の正確な測定を得ることを困難にしている。 したがって,BARの気道および動脈領域の正確な検出および測定には,各部位の肉厚と壁厚の異なる画像処理・機械学習法が必要である。 我々は以下の方法を提案する。 1 気管分岐点(Carina)を中心マーカーとして、右下葉(RLL)領域をフル長CTスキャンから分離すること。 2.BAR測定のための気道内径と動脈外径の配置 3. 気道境界の外径と内径を同定して気道壁厚(WT)を測定する。 異なる厚さ (0.67mm, 1mm, 2mm) のHRCTスキャン13件の分析では, 気管分岐フレームを正確に検出でき, 場合によっては+/-2フレームの偏差が認められる。 Windowsアプリは、内気道径、動脈径、BAR、壁厚を測定するために開発された。 10対のBA対の測定結果から、ヒトの読み手と同等の結果が得られ、その偏差は +/- 0.10-0.15mm であった。 層間および層内変動を増強し, 方法を強化するためには, さらなる研究と検証が必要である。

関連論文リスト

• Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
  骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。 代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。 不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
  論文  参考訳（メタデータ） (2024-01-31T21:05:34Z)
• DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning approach for thoracic aorta segmentation and aneurysm prediction using computed tomography scans [2.3135717943756307]
  胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の進行拡大による解離や破裂を引き起こす致命的な疾患である。 その他の指標は、このスクリーニングに役立つが、コントラスト増強や低用量プロトコールを伴わずに取得すれば、臨床評価が困難になる可能性がある。 本研究は, 対照群とTAA患者を含む587種類のCTスキャンを, コントラスト増強の有無にかかわらず低線量および標準線量プロトコールで取得した。 新たなセグメンテーションモデルであるDeepVoxは,開発およびテストセットに対してそれぞれ0.932と0.897のダイススコア係数を示した。
  論文  参考訳（メタデータ） (2023-10-23T19:48:58Z)
• BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images [32.586316762855944]
  我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。 我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
  論文  参考訳（メタデータ） (2023-09-18T00:38:25Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• CNN-based fully automatic mitral valve extraction using CT images and existence probability maps [0.0]
  本稿では,CT画像から僧帽弁形状を自動抽出する手法を提案する。 原画像とU-Netで推定される僧帽弁領域の存在確率マップを入力として、DenseNetに基づいて僧帽弁形状を抽出する。 提案手法における形状抽出誤差の平均誤差は0.88mmであり, 確率マップが存在しない手法と比較して0.32mmの改善である。
  論文  参考訳（メタデータ） (2023-05-01T02:20:29Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• 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)
• Automatic spinal curvature measurement on ultrasound spine images using Faster R-CNN [26.41810438716421]
  本研究の目的は、脊椎ラミナを検出するためのFaster R-CNNに基づく完全な自動フレームワークを構築することである。 本フレームワークは,1) 超音波コロナ画像上で各ラミナ対を同定・位置決めするラミナ検出器,2) 脊柱曲率推定器の2つの密接な連結モジュールから構成された。
  論文  参考訳（メタデータ） (2022-04-17T12:09:29Z)
• Deep Learning-Based Carotid Artery Vessel Wall Segmentation in Black-Blood MRI Using Anatomical Priors [5.248154928825152]
  頸動脈血管壁厚測定は動脈硬化患者のモニタリングに必須のステップである。 これは、黒色磁気共鳴(MR)画像における血管壁の正確なセグメンテーションを必要とする。 本研究では,極座標系におけるマルチタスク回帰問題として,容器壁のセグメンテーションを行った。
  論文  参考訳（メタデータ） (2021-12-02T11:22:04Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。