論文の概要: Segmenting Bi-Atrial Structures Using ResNext Based Framework

• arxiv url: http://arxiv.org/abs/2503.02892v3
• Date: Sat, 04 Oct 2025 06:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 14:28:09.460829
• Title: Segmenting Bi-Atrial Structures Using ResNext Based Framework
• Title（参考訳）: ResNextベースのフレームワークによる両房構造分割
• Authors: Malitha Gunawardhana, Mark L Trew, Gregory B Sands, Jichao Zhao,
• Abstract要約: 左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。 TASSNetは、(i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ、(ii)高度に不均衡な小さな3Dセグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュールの2つの主要なイノベーションを紹介している。
• 参考スコア（独自算出の注目度）: 3.0838948803252904
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Atrial Fibrillation (AF), the most common sustained cardiac arrhythmia worldwide, increasingly requires accurate bi-atrial structural assessment to guide ablation strategies, particularly in persistent AF. Late gadolinium-enhanced magnetic resonance imaging (LGE-MRI) enables visualisation of atrial fibrosis, but precise manual segmentation remains time-consuming, operator-dependent, and prone to variability. We propose TASSNet, a novel two-stage deep learning framework for fully automated segmentation of both left atrium (LA) and right atrium (RA), including atrial walls and cavities, from 3D LGE-MRI. TASSNet introduces two main innovations: (i) a ResNeXt-based encoder to enhance feature extraction from limited medical datasets, and (ii) a cyclical learning rate schedule to address convergence instability in highly imbalanced, small-batch 3D segmentation tasks. We evaluated our method on two datasets, one of which was completely out-of-distribution, without any additional training. In both cases, TASSNet successfully segmented atrial structures with high accuracy. These results highlight TASSNet's potential for robust and reproducible bi-atrial segmentation, enabling advanced fibrosis quantification and personalised ablation planning in clinical AF management.
• Abstract（参考訳）: 心房細動 (Atrial Fibrillation, AF) は心房不整脈において, 特に持続性心房不整脈において, 正確な心房構造評価を必要としている。 後期ガドリニウム強調核磁気共鳴画像(LGE-MRI)は心房細動の可視化を可能にするが、正確な手指分割は時間を要する。 左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。 TASSNetの主なイノベーションは2つある。 i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ (II)高度不均衡な小バッチ3次元セグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュール。 提案手法を2つのデータセットで評価した。 いずれの場合も、TASSNetは高い精度で心房構造を分割することに成功した。 これらの結果から, TASSNetが心房細動を再現し, 高度な線維化定量化と臨床AF管理における個人化アブレーション計画を可能にした可能性が示唆された。

関連論文リスト

• LesiOnTime -- Joint Temporal and Clinical Modeling for Small Breast Lesion Segmentation in Longitudinal DCE-MRI [1.5233783874742468]
  縦断画像とBIRADSスコアを併用して臨床診断を模倣する新しい3Dセグメンテーション手法であるLesiOnTimeを提案する。 我々のアプローチは、Dice Ablation研究で最先端のシングルタイムポイントと長手ベースラインを5%上回ります。
  論文  参考訳（メタデータ） (2025-08-01T10:19:53Z)
• Multi-Disease-Aware Training Strategy for Cardiac MR Image Segmentation [5.206138376072312]
  近年,ディープラーニングに基づくセグメンテーション手法が注目されている。 これらのセグメンテーション法は、左心室(LV)や心筋(MYO)などの定期的な形をした臓器の分割に一般的に適している。 右心室(RV)のような不規則な形状の臓器では不十分な働きをする
  論文  参考訳（メタデータ） (2025-03-23T01:29:27Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Learning Cortico-Muscular Dependence through Orthonormal Decomposition of Density Ratios [39.3721526159124]
  本研究では,皮質振動と筋振動の関係をモデル化するために,密度比の正則分解に基づく統計的依存推定器の新たな応用を提案する。 本研究では,皮質筋接続から学習した固有関数が,運動と被験者を正確に分類できることを実験的に実証した。
  論文  参考訳（メタデータ） (2024-10-04T16:05:08Z)
• Lost in Tracking: Uncertainty-guided Cardiac Cine MRI Segmentation at Right Ventricle Base [6.124743898202368]
  本稿では,CMRセグメンテーションにおける未解決問題,特にRVベースに対処することを提案する。 本稿では,時間的アンコヒーレンスを利用して平面間動きの発生時にセグメンテーションを通知する新しいデュアルエンコーダU-Netアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-04T11:14:31Z)
• Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
  心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。 この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
  論文  参考訳（メタデータ） (2024-09-24T13:33:46Z)
• Learning Through Guidance: Knowledge Distillation for Endoscopic Image Classification [40.366659911178964]
  内視鏡は消化管(GI)の根底にある異常を同定する上で重要な役割を担っている。 ディープラーニング、特にCNN(Convolution Neural Networks)は、従来の機能エンジニアリングを使わずに自動機能学習を実行するように設計されている。 KDに基づく3つの学習フレームワーク、応答ベース、特徴ベース、関係ベースメカニズムについて検討し、関係ベース学習を支援するために、新しい多面的注意型特徴融合機構を導入する。
  論文  参考訳（メタデータ） (2023-08-17T02:02:11Z)
• Successive Subspace Learning for Cardiac Disease Classification with Two-phase Deformation Fields from Cine MRI [36.044984400761535]
  本研究は,CVD分類のための軽量な逐次サブスペース学習フレームワークを提案する。 解釈可能なフィードフォワードデザインに基づいており、心房と組み合わせている。 3D CNNベースのアプローチと比較して、我々のフレームワークは140$times$より少ないパラメータで優れた分類性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T15:00:59Z)
• Segmentation of Cardiac Structures via Successive Subspace Learning with Saab Transform from Cine MRI [29.894633364282555]
  本研究では,適応バイアス(Saab)変換を用いた部分空間近似を用いた連続部分空間学習による機械学習モデルを提案する。 左心室,右心室,心筋のパラメータが200ドル以上で,最先端のU-Netモデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-07-22T14:50:48Z)
• Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT [45.93021999366973]
  肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。
  論文  参考訳（メタデータ） (2020-12-10T15:56:08Z)
• AtrialJSQnet: A New Framework for Joint Segmentation and Quantification of Left Atrium and Scars Incorporating Spatial and Shape Information [22.162571400010467]
  臨床では左心房(LA)と後期ガドリニウム造影MRI(LGE MRI)の心房粗動が重要な課題である。 従来の手法は通常2つの課題を独立に解決し、LAと傷跡の固有の空間的関係を無視した。 AtrialJSQnetと呼ばれる新しいフレームワークを開発し、LAセグメンテーション、LA表面へのスカープロジェクション、およびスカーの定量化をエンドツーエンド形式で同時に行う。
  論文  参考訳（メタデータ） (2020-08-11T14:44:19Z)
• 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。