論文の概要: PARASIDE: An Automatic Paranasal Sinus Segmentation and Structure Analysis Tool for MRI

• arxiv url: http://arxiv.org/abs/2501.14514v1
• Date: Fri, 24 Jan 2025 14:18:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:57:43.046212
• Title: PARASIDE: An Automatic Paranasal Sinus Segmentation and Structure Analysis Tool for MRI
• Title（参考訳）: PARASIDE:MRI用副鼻腔分割・構造解析ツール
• Authors: Hendrik Möller, Lukas Krautschick, Matan Atad, Robert Graf, Chia-Jung Busch, Achim Beule, Christian Scharf, Lars Kaderali, Bjoern Menze, Daniel Rueckert, Jan Kirschke, Fabian Schwitzing,
• Abstract要約: 慢性副鼻腔炎 (CRS) は総人口の5～12%に影響を及ぼす一般的で持続的な副鼻腔炎症である。 T1 MRIで上顎洞,前頭葉,スフェノダリス,エトモイダリスの構造を空気と軟部組織に分割する自動ツールであるPARASIDEを紹介した。
• 参考スコア（独自算出の注目度）: 6.802453703452498
• License:
• Abstract: Chronic rhinosinusitis (CRS) is a common and persistent sinus imflammation that affects 5 - 12\% of the general population. It significantly impacts quality of life and is often difficult to assess due to its subjective nature in clinical evaluation. We introduce PARASIDE, an automatic tool for segmenting air and soft tissue volumes of the structures of the sinus maxillaris, frontalis, sphenodalis and ethmoidalis in T1 MRI. By utilizing that segmentation, we can quantify feature relations that have been observed only manually and subjectively before. We performed an exemplary study and showed both volume and intensity relations between structures and radiology reports. While the soft tissue segmentation is good, the automated annotations of the air volumes are excellent. The average intensity over air structures are consistently below those of the soft tissues, close to perfect separability. Healthy subjects exhibit lower soft tissue volumes and lower intensities. Our developed system is the first automated whole nasal segmentation of 16 structures, and capable of calculating medical relevant features such as the Lund-Mackay score.
• Abstract（参考訳）: 慢性副鼻腔炎 (CRS) は, 総人口の5～12%に影響を及ぼす, 一般的で持続的な副鼻腔炎症である。 生活の質に大きな影響を与え、臨床評価において主観的な性質のために評価することがしばしば困難である。 T1 MRIで上顎洞,前頭葉,スフェノダリス,エトモイダリスの構造を空気と軟部組織に分割する自動ツールであるPARASIDEを紹介した。 このセグメンテーションを利用することで、手動および主観的にのみ観察された特徴関係を定量化することができる。 実例で検討し, 構造と放射線学報告の体積, 強度の関係について検討した。 軟組織セグメンテーションは良好であるが,空気量の自動アノテーションは良好である。 空気構造に対する平均強度は、軟組織よりも一貫して低く、完全な分離性に近い。 健康な被験者は、軟組織体積が低く、強度が低い。 本システムでは,16構造物の鼻腔分割を初めて自動化し,Lund-Mackayスコアなどの医学的特徴を計算できる。

関連論文リスト

• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• DABS-LS: Deep Atlas-Based Segmentation Using Regional Level Set Self-Supervision [0.0]
  コクラーインプラント(英語: Cochlear implants、CI)は、重度から先天的な難聴の治療に用いられる神経義肢である。 聴覚神経線維(ANF)のCI刺激の患者特異的モデリングは、聴覚学者がCIプログラミングを改善するのに役立つ。 ANFsの局在は、ANFsが非常に小さく、臨床画像では直接見えないため、困難である。
  論文  参考訳（メタデータ） (2024-02-16T03:22:58Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• WSC-Trans: A 3D network model for automatic multi-structural segmentation of temporal bone CT [5.821303529939008]
  側頭骨CTにおける多構造目標の自動セグメンテーションのための3次元ネットワークモデルを提案する。 このアルゴリズムは特徴抽出のためにCNNとTransformerを組み合わせて,空間的注意とチャネル注意機構を活用し,セグメンテーション効果をさらに改善する。
  論文  参考訳（メタデータ） (2022-11-14T06:44:37Z)
• A Causal Intervention Scheme for Semantic Segmentation of Quasi-periodic Cardiovascular Signals [7.182731690965173]
  フレームレベルのコントラスト的枠組みの下で,新たなトレーニングパラダイムを形成するために,コントラスト的因果介入(CCI)を提案する。 この介入は、単一の属性によってもたらされる暗黙の統計的バイアスを排除し、より客観的な表現につながる。
  論文  参考訳（メタデータ） (2022-09-19T13:54:51Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• 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)
• Improved AI-based segmentation of apical and basal slices from clinical cine CMR [1.7647111545685723]
  本研究の目的は,基底スライスと尖端スライスを分割する際のAIアルゴリズムの性能を検討することである。 2つのNHS病院から得られた臨床CMRの大規模なデータセットを用いて,全モデルを訓練した。 分類とセグメンテーションのアプローチは、すべてのデータセットのパフォーマンスギャップを減らすのに最適であることを示す。
  論文  参考訳（メタデータ） (2021-09-20T10:48:50Z)
• 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。