論文の概要: Visualization of Organ Movements Using Automatic Region Segmentation of Swallowing CT

• arxiv url: http://arxiv.org/abs/2501.17897v1
• Date: Wed, 29 Jan 2025 01:54:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:13:50.848026
• Title: Visualization of Organ Movements Using Automatic Region Segmentation of Swallowing CT
• Title（参考訳）: スワローCTの自動領域分割による臓器運動の可視化
• Authors: Yukihiro Michiwaki, Takahiro Kikuchi, Takashi Ijiri, Yoko Inamoto, Hiroshi Moriya, Takumi Ogawa, Ryota Nakatani, Yuto Masaki, Yoshito Otake, Yoshinobu Sato,
• Abstract要約: 物質は、飲み込み中に撮影された4D-CT画像から成っている。 AIの領域分割のための基底真理データは、5つの4D-CTデータセットから作成されました。 AIにはnnU-Netの3次元畳み込みモデルが用いられた。
• 参考スコア（独自算出の注目度）: 0.7704099461748685
• License:
• Abstract: This study presents the first report on the development of an artificial intelligence (AI) for automatic region segmentation of four-dimensional computer tomography (4D-CT) images during swallowing. The material consists of 4D-CT images taken during swallowing. Additionally, data for verifying the practicality of the AI were obtained from 4D-CT images during mastication and swallowing. The ground truth data for the region segmentation for the AI were created from five 4D-CT datasets of swallowing. A 3D convolutional model of nnU-Net was used for the AI. The learning and evaluation method for the AI was leave-one-out cross-validation. The number of epochs for training the nnU-Net was 100. The Dice coefficient was used as a metric to assess the AI's region segmentation accuracy. Regions with a median Dice coefficient of 0.7 or higher included the bolus, bones, tongue, and soft palate. Regions with a Dice coefficient below 0.7 included the thyroid cartilage and epiglottis. Factors that reduced the Dice coefficient included metal artifacts caused by dental crowns in the bolus and the speed of movement for the thyroid cartilage and epiglottis. In practical verification of the AI, no significant misrecognition was observed for facial bones, jaw bones, or the tongue. However, regions such as the hyoid bone, thyroid cartilage, and epiglottis were not fully delineated during fast movement. It is expected that future research will improve the accuracy of the AI's region segmentation, though the risk of misrecognition will always exist. Therefore, the development of tools for efficiently correcting the AI's segmentation results is necessary. AI-based visualization is expected to contribute not only to the deepening of motion analysis of organs during swallowing but also to improving the accuracy of swallowing CT by clearly showing the current state of its precision.
• Abstract（参考訳）: 本研究は,4次元コンピュータ断層撮影(4D-CT)画像の自動領域分割のための人工知能(AI)の開発に関する第1報である。 物質は、飲み込み中に撮影された4D-CT画像から成っている。 さらに, 4D-CT画像から触覚と摂食時のAIの実用性を検証するデータを得た。 AIの領域分割のための基底真理データは、5つの4D-CTデータセットから作成されました。 AIにはnnU-Netの3次元畳み込みモデルが用いられた。 AIの学習と評価の方法は、一対一のクロスバリデーションであった。 nnU-Netを訓練するためのエポックの数は100であった。 Dice係数はAIの領域分割精度を評価する指標として用いられた。 中央値Dice係数0.7以上の領域には、骨、骨、舌、軟口蓋が含まれていた。 ジス係数が0.7未満の領域には甲状腺軟骨とエピグロッティが含まれていた。 ディス係数を低下させた要因は, 骨内歯冠による金属遺物, 甲状腺軟骨および喉頭軟骨の移動速度であった。 AIの実際的な検証では、顔の骨、顎骨、舌について顕著な誤認識は見られなかった。 しかし, ハイド骨, 甲状腺軟骨, エピグロッティなどの領域は, 高速移動中は完全には脱線しなかった。 今後の研究は、AIの領域分割の精度を改善することが期待されているが、誤認識のリスクは常に存在する。 したがって、AIのセグメンテーション結果を効率的に修正するツールの開発が必要である。 AIに基づく可視化は、摂食中の臓器の運動解析の深化に寄与するだけでなく、その精度の現況を明確に示して、吸収CTの精度の向上にも寄与することが期待されている。

関連論文リスト

• Attention and Pooling based Sigmoid Colon Segmentation in 3D CT images [11.861208424384046]
  シグモイド結腸は憩室炎を治療するための重要な側面である。 本研究はCT画像からシグモイド結腸を抽出するための新しいディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-09-25T04:52:46Z)
• Mediastinal Lymph Node Detection and Segmentation Using Deep Learning [1.7188280334580195]
  臨床ではCT(Computed tomography)とPET(positron emission tomography)が異常リンパ節(LN)を検出する 深層畳み込みニューラルネットワークは、しばしば医療写真にアイテムを分割する。 良質な深層学習手法であるUNetは、縦隔リンパ節の分節と検出のための戦略に基づいて、双線形および全一般化変異(TGV)を用いて修正された。 修正されたUNetはテクスチャの不連続を維持し、ノイズの多い領域を選択し、バックプロパゲーションを通じて適切なバランスポイントを検索し、画像の解像度を再現する。
  論文  参考訳（メタデータ） (2022-11-24T02:55:20Z)
• Whole-Body Lesion Segmentation in 18F-FDG PET/CT [11.662584140924725]
  提案モデルは, 全身の病変を予測するために, 2D と 3D nnUNET アーキテクチャを基礎として設計されている。 提案手法は, ダイススコア, 偽陽性ボリューム, 偽陰性ボリュームの計測値において, 病変のセグメンテーション性能を計測するAutoPet Challengeの文脈で評価する。
  論文  参考訳（メタデータ） (2022-09-16T10:49:53Z)
• 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)
• Development of an algorithm for medical image segmentation of bone tissue in interaction with metallic implants [58.720142291102135]
  本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。 骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。 ネットワーク精度の面では、モデルは約98%に達した。
  論文  参考訳（メタデータ） (2022-04-22T08:17:20Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
  本稿では,容積医用画像における多変量分類の課題について紹介する。 本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。 そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
  論文  参考訳（メタデータ） (2021-11-24T01:14:33Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• COVID-19 identification from volumetric chest CT scans using a progressively resized 3D-CNN incorporating segmentation, augmentation, and class-rebalancing [4.446085353384894]
  新型コロナウイルスは世界的なパンデミックの流行だ。 高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。 本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
  論文  参考訳（メタデータ） (2021-02-11T18:16:18Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Esophageal Tumor Segmentation in CT Images using Dilated Dense Attention Unet (DDAUnet) [3.0929226049096217]
  畳み込みニューラルネットワーク(CNN)を用いた食道癌全自動切除法を提案する。 提案するネットワークはDilated Dense Attention Unet (DDAUnet) と呼ばれ、各密ブロックにおける空間的およびチャネル的注意力を活用して、決定的特徴写像と領域に選択的に集中する。
  論文  参考訳（メタデータ） (2020-12-06T11:42:52Z)

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。