論文の概要: Multi-Source and Multi-Sequence Myocardial Pathology Segmentation Using a Cascading Refinement CNN

• arxiv url: http://arxiv.org/abs/2409.12792v1
• Date: Thu, 19 Sep 2024 14:01:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 13:23:33.536980
• Title: Multi-Source and Multi-Sequence Myocardial Pathology Segmentation Using a Cascading Refinement CNN
• Title（参考訳）: Cascading Refinement CNNを用いたマルチソース・マルチシーケンス心筋病変分離法
• Authors: Franz Thaler, Darko Stern, Gernot Plank, Martin Urschler,
• Abstract要約: 心筋組織の生存性を評価するために, セマンティックセグメンテーションを生成するMulti-Sequence Cascading Refinement CNN(MS-CaRe-CNN)を提案する。 MS-CaRe-CNNは、心筋組織の生存可能性を評価するためにセマンティックセグメンテーションを生成するのに適している。
• 参考スコア（独自算出の注目度）: 0.49923266458151416
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Myocardial infarction (MI) is one of the most prevalent cardiovascular diseases and consequently, a major cause for mortality and morbidity worldwide. Accurate assessment of myocardial tissue viability for post-MI patients is critical for diagnosis and treatment planning, e.g. allowing surgical revascularization, or to determine the risk of adverse cardiovascular events in the future. Fine-grained analysis of the myocardium and its surrounding anatomical structures can be performed by combining the information obtained from complementary medical imaging techniques. In this work, we use late gadolinium enhanced (LGE) magnetic resonance (MR), T2-weighted (T2) MR and balanced steady-state free precession (bSSFP) cine MR in order to semantically segment the left and right ventricle, healthy and scarred myocardial tissue, as well as edema. To this end, we propose the Multi-Sequence Cascading Refinement CNN (MS-CaRe-CNN), a 2-stage CNN cascade that receives multi-sequence data and generates predictions of the anatomical structures of interest without considering tissue viability at Stage 1. The prediction of Stage 1 is then further refined in Stage 2, where the model additionally distinguishes myocardial tissue based on viability, i.e. healthy, scarred and edema regions. Our proposed method is set up as a 5-fold ensemble and semantically segments scar tissue achieving 62.31% DSC and 82.65% precision, as well as 63.78% DSC and 87.69% precision for the combined scar and edema region. These promising results for such small and challenging structures confirm that MS-CaRe-CNN is well-suited to generate semantic segmentations to assess the viability of myocardial tissue, enabling downstream tasks like personalized therapy planning.
• Abstract（参考訳）: 心筋梗塞 (MI) は心臓血管疾患の中で最も多い疾患の1つである。 術後MI患者の心筋組織生存率の正確な評価は, 外科的再血管化を許容する診断と治療計画, 将来における心血管障害のリスクを判断するために重要である。 相補的な医用画像技術から得られる情報を組み合わせて、心筋とその周囲の解剖学的構造をきめ細かい分析を行うことができる。 本研究は, 左室, 右室, 健常, 軽度の心筋組織, および浮腫を意味的に分別するために, 後期ガドリニウム増強 (LGE) 磁気共鳴 (MR), T2強調 (T2) MR, バランスの取れた定常自由前立腺 (bSSFP) MRを用いた。 そこで本研究では,Multi-Sequence Cascading Refinement CNN (MS-CaRe-CNN)を提案する。 次に、ステージ1の予測はステージ2でさらに洗練され、モデルでは、生存性、すなわち健康、傷つき、浮腫領域に基づいて心筋組織を識別する。 提案手法は5次元アンサンブルとして設定され,62.31% DSC,82.65% の精度,63.78% DSC,87.69% の精度が得られた。 これらの小規模で挑戦的な構造に対する有望な結果は、MS-CaRe-CNNが心筋組織の生存可能性を評価するためにセマンティックセグメンテーションを生成するのに適していることを確認し、パーソナライズされたセラピー計画のような下流のタスクを可能にした。

関連論文リスト

• CaRe-CNN: Cascading Refinement CNN for Myocardial Infarct Segmentation with Microvascular Obstructions [0.29958858726265647]
  Cascading Refinement CNN (CaRe-CNN) は、完全に3Dでエンドツーエンドのトレーニングを受けた3段階のCNNケースである。 CaRe-CNNはFIMH 2023 MYOSAIQチャレンジに出場し、18チーム中2位にランクインした。
  論文  参考訳（メタデータ） (2023-12-18T16:10:18Z)
• 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)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Deep Learning methods for automatic evaluation of delayed enhancement-MRI. The results of the EMIDEC challenge [21.93792387878765]
  EMIDECの課題は, 深層学習法が正常症例と病理症例とを区別できるかどうかを評価することである。 造影剤投与後, 正常MRI50例, 心筋梗塞100例に分けて検討した。 その結果,試験の自動分類は到達可能な課題であることが示唆された。
  論文  参考訳（メタデータ） (2021-08-09T13:15:25Z)
• Cascaded Framework for Automatic Evaluation of Myocardial Infarction from Delayed-Enhancement Cardiac MRI [9.247774141419134]
  まず、2D U-Netを使用して、左心室と心筋を含む心臓全体を分割します。 新しい2D U-Netを使用して、心臓全体のROIの屈折および無リフロー領域をセグメント化します。 本手法は,MICCAI 2020 EMIDECセグメンテーションタスクにおいて,Diceスコアが86.28%,62.24%,77.76%,心筋,非血流領域が77.76%,精度92%で第1位であった。
  論文  参考訳（メタデータ） (2020-12-29T01:35:02Z)
• Automatic Myocardial Infarction Evaluation from Delayed-Enhancement Cardiac MRI using Deep Convolutional Networks [8.544381926074971]
  臨床情報と遅延造影MRI(DE-MRI)による心筋梗塞自動評価のための新しいディープラーニングフレームワークを提案する。 2つのセグメンテーションニューラルネットワークを用いており、第1のネットワークは心筋や左室腔などの解剖学的構造をセグメンテーションするために使用される。 第2の課題は、ある症例をD-MRIの有無にかかわらず、臨床情報から正常または病理学的に自動的に分類することである。
  論文  参考訳（メタデータ） (2020-10-30T11:18:25Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• 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。