論文の概要: Carotid Artery Plaque Analysis in 3D Based on Distance Encoding in Mesh Representations

• arxiv url: http://arxiv.org/abs/2502.12819v1
• Date: Tue, 18 Feb 2025 12:27:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:06:57.798774
• Title: Carotid Artery Plaque Analysis in 3D Based on Distance Encoding in Mesh Representations
• Title（参考訳）: メッシュ表現における距離符号化に基づく頸動脈プラーク解析
• Authors: Hinrich Rahlfs, Markus Hüllebrand, Sebastian Schmitter, Christoph Strecker, Andreas Harloff, Anja Hennemuth,
• Abstract要約: 本研究では,3次元容器壁セグメンテーションマスクからプラークメッシュを抽出する手法を提案する。 症例特異的な閾値を適用し,202 T1-weighted black-blood MRIのデータセットから最大50%の狭窄を有する被験者のプラークを抽出した。 頸動脈341例からプラークメッシュを抽出し,2.69mulから847.7mulまで幅広いプラーク形状を抽出した。
• 参考スコア（独自算出の注目度）: 0.04487265603408873
• License:
• Abstract: Purpose: Enabling a comprehensive and robust assessment of carotid artery plaques in 3D through extraction and visualization of quantitative plaque parameters. These parameters have potential applications in stroke risk analysis, evaluation of therapy effectiveness, and plaque progression prediction. Methods: We propose a novel method for extracting a plaque mesh from 3D vessel wall segmentation using distance encoding on the inner and outer wall mesh for precise plaque structure analysis. A case-specific threshold, derived from the normal vessel wall thickness, was applied to extract plaques from a dataset of 202 T1-weighted black-blood MRI scans of subjects with up to 50% stenosis. Applied to baseline and one-year follow-up data, the method supports detailed plaque morphology analysis over time, including plaque volume quantification, aided by improved visualization via mesh unfolding. Results: We successfully extracted plaque meshes from 341 carotid arteries, capturing a wide range of plaque shapes with volumes ranging from 2.69{\mu}l to 847.7{\mu}l. The use of a case-specific threshold effectively eliminated false positives in young, healthy subjects. Conclusion: The proposed method enables precise extraction of plaque meshes from 3D vessel wall segmentation masks enabling a correspondence between baseline and one-year follow-up examinations. Unfolding the plaque meshes enhances visualization, while the mesh-based analysis allows quantification of plaque parameters independent of voxel resolution.
• Abstract（参考訳）: 目的: 定量的プラークパラメータの抽出と可視化により, 3次元の頸動脈プラークの包括的, 堅牢な評価を行うこと。 これらのパラメータは、脳卒中リスク分析、治療効果の評価、およびプラーク進行予測に潜在的に有効である。 方法: 内壁メッシュと外壁メッシュとの距離符号化による3次元血管壁セグメンテーションからプラークメッシュを抽出し, 正確なプラーク構造解析を行う手法を提案する。 症例特異的な閾値は, 正常血管壁厚から得られたもので, 202 T1-weighted black-blood MRIのデータセットから最大50%の狭窄を有する患者のプラークを抽出するために適用された。 ベースラインおよび1年間の追跡データに適用し、メッシュ展開による可視化の改善により、プラーク体積定量化を含む、時間とともに詳細なプラーク形態解析をサポートする。 結果: 頸動脈341例からプラークメッシュを抽出し, 2.69{\mu}l から 847.7{\mu}l まで幅広いプラーク形状を抽出した。 症例特異的閾値の使用は、若年者、健常者における偽陽性を効果的に排除した。 結論: 提案手法は, 3次元血管壁セグメンテーションマスクからプラークメッシュを正確に抽出し, ベースラインと1年間の追跡試験の対応を可能にする。 プラークメッシュの展開は可視化を強化し、メッシュベースの分析は、ボクセルの解像度に依存しないプラークパラメータの定量化を可能にする。

関連論文リスト

• How to Segment in 3D Using 2D Models: Automated 3D Segmentation of Prostate Cancer Metastatic Lesions on PET Volumes Using Multi-angle Maximum Intensity Projections and Diffusion Models [0.2975630647042519]
  本研究は,PSMA PET/CT 3Dボリューム画像における転移病変の自動分割のための新しいアプローチを提案する。 提案手法は,PSMA PET画像の多重角最大強度投影(MA-MIP)に病変を分割する。 提案法は, 微小転移性PCa病変の検出・分節における精度, 堅牢性の観点から, 最先端の3次元分節法に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2024-07-26T07:08:05Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• 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)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• Prediction of stent under-expansion in calcified coronary arteries using machine-learning on intravascular optical coherence tomography [0.0]
  著明な石灰化病変の存在下で適切なステント拡大を実現することは依然として困難である。 我々は、病変属性を用いてステント下膨張を予測する自動機械学習アプローチを作成しました。
  論文  参考訳（メタデータ） (2022-05-16T14:28:51Z)
• Parallel Network with Channel Attention and Post-Processing for Carotid Arteries Vulnerable Plaque Segmentation in Ultrasound Images [15.001128693323206]
  本稿では,頸動脈超音波画像におけるプラークセグメンテーションのための自動畳み込みニューラルネットワーク(CNN)手法を提案する。 試験結果から, 30種類のプラークに対して, ディス値0.820, IoU 0.701, Acc 0.969, Hausdorff 距離 1.43 の修正Hausdorff 距離 (MHD) が得られた。
  論文  参考訳（メタデータ） (2022-04-18T01:55:11Z)
• Improving segmentation of calcified and non-calcified plaques on CCTA-CPR scans via masking of the artery wall [36.60696495888516]
  CCTA-CPRスキャンにおける石灰化プラークと非石灰化プラークの分別法を提案する。 入力スライスをマスクし、壁容器内のボクセルのみをセグメンテーションとみなす。 本手法はセグメンテーション性能を著しく向上させ, 難解な非石灰化プラークであっても正確なプラーク形状を実現する。
  論文  参考訳（メタデータ） (2022-01-25T16:12:04Z)
• Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
  胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。 このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。 本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
  論文  参考訳（メタデータ） (2020-10-09T10:15:26Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• 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。