論文の概要: Echocardiography to Cardiac MRI View Transformation for Real-Time Blind Restoration

• arxiv url: http://arxiv.org/abs/2412.06445v1
• Date: Mon, 09 Dec 2024 12:44:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:56:18.753289
• Title: Echocardiography to Cardiac MRI View Transformation for Real-Time Blind Restoration
• Title（参考訳）: リアルタイムブラインド修復のための心内MRI画像変換のための心エコー法
• Authors: Ilke Adalioglu, Serkan Kiranyaz, Mete Ahishali, Aysen Degerli, Tahir Hamid, Rahmat Ghaffar, Ridha Hamila, Moncef Gabbouj,
• Abstract要約: 心エコー図を心臓MRI画像に変換する新しい手法を提案する。 Cycle-GAN(Cycle-Consistent Generative Adversarial Network)は、このトランスフォーメーションを学ぶためにトレーニングされている。 医学的評価では、合成MRIビューは元のビューと区別できないことが示されている。
• 参考スコア（独自算出の注目度）: 15.880897041031341
• License:
• Abstract: Echocardiography is the most widely used imaging to monitor cardiac functions, serving as the first line in early detection of myocardial ischemia and infarction. However, echocardiography often suffers from several artifacts including sensor noise, lack of contrast, severe saturation, and missing myocardial segments which severely limit its usage in clinical diagnosis. In recent years, several machine learning methods have been proposed to improve echocardiography views. Yet, these methods usually address only a specific problem (e.g. denoising) and thus cannot provide a robust and reliable restoration in general. On the other hand, cardiac MRI provides a clean view of the heart without suffering such severe issues. However, due to its significantly higher cost, it is often only afforded by a few major hospitals, hence hindering its use and accessibility. In this pilot study, we propose a novel approach to transform echocardiography into the cardiac MRI view. For this purpose, Echo2MRI dataset, consisting of echocardiography and real cardiac MRI image pairs, is composed and will be shared publicly. A dedicated Cycle-consistent Generative Adversarial Network (Cycle-GAN) is trained to learn the transformation from echocardiography frames to cardiac MRI views. An extensive set of qualitative evaluations shows that the proposed transformer can synthesize high-quality artifact-free synthetic cardiac MRI views from a given sequence of echocardiography frames. Medical evaluations performed by a group of cardiologists further demonstrate that synthetic MRI views are indistinguishable from their original counterparts and are preferred over their initial sequence of echocardiography frames for diagnosis in 78.9% of the cases.
• Abstract（参考訳）: 心エコー法は心機能モニタリングに最も広く用いられている画像であり、心筋梗塞や梗塞の早期発見の第一線として機能している。 しかし、心エコー検査は、センサーノイズ、コントラストの欠如、高度飽和、臨床診断における使用を著しく制限する心筋セグメントの欠如など、いくつかのアーチファクトに悩まされることが多い。 近年,心エコー図を改善するために,いくつかの機械学習手法が提案されている。 しかし、これらの手法は通常特定の問題(例えばデノイング)にのみ対処するので、一般に堅牢で信頼性の高い復元を行うことはできない。 一方、心臓MRIは、このような深刻な問題に悩まされることなく、心臓の清潔な視界を提供する。 しかし、コストが著しく高いため、いくつかの主要な病院でしか手に入らないため、使用やアクセシビリティの妨げになることが多い。 本研究では,心エコー図を心臓MRIに変換する新しい手法を提案する。 この目的のために、エコー心エコー法と実際の心臓MRI画像ペアからなるEcho2MRIデータセットが作成され、公開される。 Cycle-GAN(Cycle-Consistent Generative Adversarial Network)は、心エコーから心臓MRIビューへの変換を学習するために訓練されている。 拡張された定性的評価により, 提案したトランスフォーマーは, 心エコーのフレームから高品質な人工心磁図を合成できることが示唆された。 心臓科医のグループによる医療評価は、合成MRIビューが元のものと区別できないことを示し、78.9%の症例で診断するための心エコーフレームの初期配列よりも好まれる。

関連論文リスト

• 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)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• 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)
• Unlocking the Diagnostic Potential of ECG through Knowledge Transfer from Cardiac MRI [6.257859765229826]
  本稿では,CMR画像からECG埋め込みへドメイン固有情報を転送する,自己監督型コントラスト手法を提案する。 本手法は,マルチモーダルコントラスト学習とマスク付きデータモデリングを組み合わせることで,心電図データのみから全体的心臓検診を可能にする。
  論文  参考訳（メタデータ） (2023-08-09T10:05:11Z)
• Analysis of Arrhythmia Classification on ECG Dataset [0.0]
  不整脈は、心臓のポンプ機構が異常になる状態である。 本研究は、ECGデータセット上の不整脈分類の分析である。
  論文  参考訳（メタデータ） (2023-01-10T14:02:24Z)
• 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)
• Myocardial Segmentation of Cardiac MRI Sequences with Temporal Consistency for Coronary Artery Disease Diagnosis [12.53412028532286]
  本研究では,左室腔,右室腔,心筋の心臓MRI(CMR)スキャン画像のシークエンスのための心筋セグメンテーションフレームワークを提案する。 我々のフレームワークは、Dice係数の最大2%のセグメンテーション精度を向上させることができる。
  論文  参考訳（メタデータ） (2020-12-29T01:54:09Z)
• Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
  心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。 これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
  論文  参考訳（メタデータ） (2020-08-13T12:53:26Z)
• Real-Time Cardiac Cine MRI with Residual Convolutional Recurrent Neural Network [11.160864233170615]
  リアルタイム心血管再建のための残差畳み込みRNNを提案する。 放射線学者による評価から, 深層学習モデルでは, 圧縮センシングよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-08-12T00:23:05Z)
• 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)

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。