論文の概要: High Resolution Isotropic 3D Cine imaging with Automated Segmentation using Concatenated 2D Real-time Imaging and Deep Learning
- arxiv url: http://arxiv.org/abs/2506.22532v1
- Date: Fri, 27 Jun 2025 14:58:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:53.454508
- Title: High Resolution Isotropic 3D Cine imaging with Automated Segmentation using Concatenated 2D Real-time Imaging and Deep Learning
- Title（参考訳）: 合成2次元リアルタイムイメージングとディープラーニングによる高分解能等方性3次元シネ画像の自動分割
- Authors: Mark Wrobel, Michele Pascale, Tina Yao, Ruaraidh Campbell, Elena Milano, Michael Quail, Jennifer Steeden, Vivek Muthurangu,
- Abstract要約: DLモデルを用いて2次元リアルタイムシネ画像から3次元シネデータを作成する可能性を実証した。
提案手法は,2分以内で全セグメントデータが得られる短い取得時間と再構築時間を有する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Conventional cardiovascular magnetic resonance (CMR) in paediatric and congenital heart disease uses 2D, breath-hold, balanced steady state free precession (bSSFP) cine imaging for assessment of function and cardiac-gated, respiratory-navigated, static 3D bSSFP whole-heart imaging for anatomical assessment. Our aim is to concatenate a stack 2D free-breathing real-time cines and use Deep Learning (DL) to create an isotropic a fully segmented 3D cine dataset from these images. Methods: Four DL models were trained on open-source data that performed: a) Interslice contrast correction; b) Interslice respiratory motion correction; c) Super-resolution (slice direction); and d) Segmentation of right and left atria and ventricles (RA, LA, RV, and LV), thoracic aorta (Ao) and pulmonary arteries (PA). In 10 patients undergoing routine cardiovascular examination, our method was validated on prospectively acquired sagittal stacks of real-time cine images. Quantitative metrics (ventricular volumes and vessel diameters) and image quality of the 3D cines were compared to conventional breath hold cine and whole heart imaging. Results: All real-time data were successfully transformed into 3D cines with a total post-processing time of <1 min in all cases. There were no significant biases in any LV or RV metrics with reasonable limits of agreement and correlation. There is also reasonable agreement for all vessel diameters, although there was a small but significant overestimation of RPA diameter. Conclusion: We have demonstrated the potential of creating a 3D-cine data from concatenated 2D real-time cine images using a series of DL models. Our method has short acquisition and reconstruction times with fully segmented data being available within 2 minutes. The good agreement with conventional imaging suggests that our method could help to significantly speed up CMR in clinical practice.
- Abstract（参考訳）: 背景: 小児心疾患および先天性心疾患における心血管性磁気共鳴(CMR)は, 機能評価に2D, 呼吸保持, 平衡定常自由前立腺造影(bSSFP)を用いている。
我々の目的は、スタック2Dのリアルタイムシネを結合し、Deep Learning(DL)を使用して、これらの画像から完全なセグメンテーションされた3Dシネデータセットを作成することである。
方法:4つのDLモデルをオープンソースデータでトレーニングした。
a) インタースライスコントラスト補正
b) インタースライス呼吸運動補正
c) 超解像(スライス方向)及び
d) 右心房,心室(RA,LA,RV,LV),胸部大動脈(Ao)及び肺動脈(PA)の分画
心血管検査を施行した10例において, リアルタイムシネ画像の矢状面上を前向きに取得し, 本法の有効性を検証した。
測定値(心室容積と血管径)と3次元シネの画質を従来の呼吸保持シネと全心像と比較した。
結果: 実時間データはすべて3Dシネに変換され, 総後処理時間は1分であった。
LVまたはRVの指標には、合理的な一致と相関の限界がある有意なバイアスは存在しなかった。
すべての血管径には妥当な一致があるが, RPA径は小さいが有意な過大評価が得られた。
結論: 一連のDLモデルを用いて, コンカレント2次元リアルタイムシネ画像から3次元シネデータを作成する可能性を実証した。
提案手法は,2分以内で全セグメントデータが得られる短い取得時間と再構築時間を有する。
従来の画像との良好な一致は,臨床実習におけるCMRの大幅な高速化に役立つことを示唆している。
関連論文リスト
- MedTet: An Online Motion Model for 4D Heart Reconstruction [59.74234226055964]
本研究は, 術後の軽度データから3次元心臓運動を再構築するための新しいアプローチを提案する。
既存の方法では、フル3次元の体積像から3次元の臓器のジオメトリーを正確に再構築することができる。
このような部分的データから3次元運動を再構築するための汎用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-03T17:18:33Z) - Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。
2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
論文 参考訳（メタデータ） (2024-06-20T17:47:30Z) - 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning [79.60829508459753]
現在の商用デジタルサブトラクション・アンジオグラフィー(DSA)システムは通常、再構築を行うために数百のスキャンビューを要求する。
スパース・ビューDSA画像のダイナミックな血流と不十分な入力は,3次元血管再建作業において重要な課題である。
本稿では,時間に依存しない容器確率場を用いてこの問題を効果的に解くことを提案する。
論文 参考訳（メタデータ） (2024-05-17T11:23:33Z) - Accurate Patient Alignment without Unnecessary Imaging Dose via Synthesizing Patient-specific 3D CT Images from 2D kV Images [10.538839084727975]
腫瘍の視認性は2次元平面への患者の解剖学的投射により制限される。
コーンビームCT(CBCT)などの3D-OBI治療室では、CBCTの視野(FOV)は不要な高画像量に制限される。
本稿では, 階層型 ViT ブロックで構築した2次元モデルを用いて, 処理位置から得られた kV 画像から3次元CTを再構成する手法を提案する。
論文 参考訳（メタデータ） (2024-04-01T19:55:03Z) - Intensity-based 3D motion correction for cardiac MR images [9.413178499853156]
交点間のペア方向の強度一致を最大化することにより,すべてのSAスライスとLAスライスを同時に整列するアルゴリズムを提案する。
従来の研究とは異なり,本手法は主観的最適化問題として定式化されており,基礎となる解剖学の事前知識は不要である。
論文 参考訳（メタデータ） (2024-03-31T18:45:13Z) - ORRN: An ODE-based Recursive Registration Network for Deformable
Respiratory Motion Estimation with Lung 4DCT Images [7.180268723513929]
変形可能な画像登録(DIR)は、医療データにおける変形の定量化に重要な役割を果たす。
近年のDeep Learning法では,医用画像の登録に有望な精度とスピードアップが示されている。
本稿では,正規微分方程式(ODE)に基づく再帰画像登録ネットワークORRNを提案する。
論文 参考訳（メタデータ） (2023-05-24T03:26:26Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - MulViMotion: Shape-aware 3D Myocardial Motion Tracking from Multi-View
Cardiac MRI [11.685829837689404]
心臓の連続した3次元運動場を学習するためのマルチビューモーション推定ネットワーク(MulViMotion)を提案する。
左室心筋の3次元運動追跡のための英国バイオバンク研究の580名の被験者から得られた2D cine CMR画像に対する提案手法を広範に評価した。
論文 参考訳（メタデータ） (2022-07-29T18:29:52Z) - DeepRecon: Joint 2D Cardiac Segmentation and 3D Volume Reconstruction
via A Structure-Specific Generative Method [12.26150675728958]
本稿では,複数の臨床的に不可欠な結果を生成する,エンドツーエンドの潜在空間ベースのフレームワークであるDeepReconを提案する。
本手法は,心構造に対する正確な意味情報を含むシネ画像の最適潜時表現を同定する。
特に,本モデルでは,正確な意味情報と心構造のセグメンテーションを併用して合成画像を生成する。
論文 参考訳（メタデータ） (2022-06-14T20:46:11Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。