論文の概要: MTCNet: Motion and Topology Consistency Guided Learning for Mitral Valve Segmentationin 4D Ultrasound

• arxiv url: http://arxiv.org/abs/2507.00660v1
• Date: Tue, 01 Jul 2025 10:58:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.588796
• Title: MTCNet: Motion and Topology Consistency Guided Learning for Mitral Valve Segmentationin 4D Ultrasound
• Title（参考訳）: MTCNet:4次元超音波における僧帽弁分割のための運動とトポロジー整合性学習
• Authors: Rusi Chen, Yuanting Yang, Jiezhi Yao, Hongning Song, Ji Zhang, Yongsong Zhou, Yuhao Huang, Ronghao Yang, Dan Jia, Yuhan Zhang, Xing Tao, Haoran Dou, Qing Zhou, Xin Yang, Dong Ni,
• Abstract要約: 半教師付き学習(SSL)における正確な4次元MV超音波セグメンテーションのための運動トポロジー誘導整合ネットワーク(MTCNet)を提案する。 MTCNetはスパースなエンドダイアストリックアノテーションとエンドシストリックアノテーションのみを必要とする。 MTCNetは、他の先進手法に比べて優れた位相整合性(Dice:87.30%、HD:1.75mm)を示す。
• 参考スコア（独自算出の注目度）: 14.990055202193274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mitral regurgitation is one of the most prevalent cardiac disorders. Four-dimensional (4D) ultrasound has emerged as the primary imaging modality for assessing dynamic valvular morphology. However, 4D mitral valve (MV) analysis remains challenging due to limited phase annotations, severe motion artifacts, and poor imaging quality. Yet, the absence of inter-phase dependency in existing methods hinders 4D MV analysis. To bridge this gap, we propose a Motion-Topology guided consistency network (MTCNet) for accurate 4D MV ultrasound segmentation in semi-supervised learning (SSL). MTCNet requires only sparse end-diastolic and end-systolic annotations. First, we design a cross-phase motion-guided consistency learning strategy, utilizing a bi-directional attention memory bank to propagate spatio-temporal features. This enables MTCNet to achieve excellent performance both per- and inter-phase. Second, we devise a novel topology-guided correlation regularization that explores physical prior knowledge to maintain anatomically plausible. Therefore, MTCNet can effectively leverage structural correspondence between labeled and unlabeled phases. Extensive evaluations on the first largest 4D MV dataset, with 1408 phases from 160 patients, show that MTCNet performs superior cross-phase consistency compared to other advanced methods (Dice: 87.30%, HD: 1.75mm). Both the code and the dataset are available at https://github.com/crs524/MTCNet.
• Abstract（参考訳）: 僧帽弁閉鎖不全(Mitral regurgitation)は、心臓疾患の1つである。 4次元 (4D) 超音波は, 動的弁膜形態を評価するための主要な画像モダリティとして出現している。 しかし、4次元僧帽弁 (MV) 解析は, 限られた位相アノテーション, 激しい運動人工物, 画像品質の低下により, 依然として困難である。 しかし, 既存手法における相間依存性の欠如は, 4次元MV解析を妨げている。 このギャップを埋めるため、半教師付き学習(SSL)における正確な4次元MV超音波セグメンテーションのためのMTCNet(Motion-Topology Guided consistency network)を提案する。 MTCNetはスパースなエンドダイアストリックアノテーションとエンドシストリックアノテーションのみを必要とする。 まず、双方向の注意記憶バンクを用いて、時空間の特徴を伝達するクロスフェーズ動作誘導型一貫性学習戦略を設計する。 これにより、MCCNetは相間および相間の両方で優れたパフォーマンスを達成することができる。 第2に, 物理的事前知識を探索し, 解剖学的に検証可能な新しいトポロジ誘導相関正則化を考案する。 したがって、MCCNetはラベル付き位相とラベルなし位相の間の構造的対応を効果的に活用することができる。 160人の患者から1408の位相を持つ最初の4D MVデータセットの大規模な評価は、MCCNetが他の先進的な方法(87.30%、HD:1.75mm)に比べて優れた相の整合性を示すことを示している。 コードとデータセットはhttps://github.com/crs524/MTCNetで公開されている。

関連論文リスト

• Comparative Study of Probabilistic Atlas and Deep Learning Approaches for Automatic Brain Tissue Segmentation from MRI Using N4 Bias Field Correction and Anisotropic Diffusion Pre-processing Techniques [0.0]
  本研究では,確率ATLAS,U-Net,nnU-Net,LinkNetなど,様々なセグメンテーションモデルの比較分析を行う。 以上の結果から,3D nnU-Netモデルが他のモデルよりも優れており,Dice Coefficientスコア(0.937 + 0.012)が最も高い結果を得た。 この結果は、特にN4 Bias Field CorrectionとAnisotropic Diffusion Pre-processingと組み合わせた場合、脳組織セグメンテーションにおけるnnU-Netモデルの優位性を強調した。
  論文  参考訳（メタデータ） (2024-11-08T10:07:03Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• Deep Conditional Shape Models for 3D cardiac image segmentation [1.4042211166197214]
  本稿では,Deep Shape Model (DCSM) Conditional をコアコンポーネントとする新しいセグメンテーションアルゴリズムを提案する。 生成した形状を画像に合わせるため、形状モデルを解剖学的ランドマークに条件付けし、ユーザーが自動的に検出または提供することができる。 局所的な改善を伴わずに非造影CTの基準線を上回り, 造影CT, 3DE, 特にハウスドルフ距離を著しく改善した。
  論文  参考訳（メタデータ） (2023-10-16T18:38:26Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• A Deep Learning-Based Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis From 3D Echocardiography [0.3387808070669509]
  開発したアプローチは、MVアンラスとリーフレットのマルチクラスセグメンテーションのためのU-Netアーキテクチャを備えた3次元マルチデコーダ残差畳み込みニューラルネットワーク(CNN)に依存している。 プロセス全体は最小限のユーザインタラクションを必要とし、約15秒を要する。
  論文  参考訳（メタデータ） (2023-02-21T12:48:44Z)
• Coarse-Super-Resolution-Fine Network (CoSF-Net): A Unified End-to-End Neural Network for 4D-MRI with Simultaneous Motion Estimation and Super-Resolution [21.75329634476446]
  我々は,高分解能ネットワーク(CoSF-Net)と呼ばれる新しいディープラーニングフレームワークを開発した。 既存のネットワークと最先端の3つのアルゴリズムと比較して、CoSF-Netは4D-MRIの呼吸相間の変形可能なベクトル場を正確に推定するだけでなく、解剖学的特徴を増強した4D-MRIの空間分解能も同時に改善した。
  論文  参考訳（メタデータ） (2022-11-21T01:42:51Z)
• Spatiotemporal Feature Learning Based on Two-Step LSTM and Transformer for CT Scans [2.3682456328966115]
  我々は、新型コロナウイルスの症状分類を徹底的に行うための、新しい、効果的、2段階のアプローチを提案する。 まず,従来のバックボーンネットワークにより,CTスキャンにおける各スライスの意味的特徴埋め込みを抽出する。 そこで我々は,時間的特徴学習を扱うために,LSTMとTransformerベースのサブネットワークを提案する。
  論文  参考訳（メタデータ） (2022-07-04T16:59:05Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• 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)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)
• Spatio-Temporal Deep Learning Methods for Motion Estimation Using 4D OCT Image Data [63.73263986460191]
  特定の対象領域の局所化と運動の推定は、外科的介入の際のナビゲーションの一般的な問題である。 OCT画像ボリュームの時間的ストリームを用いることで、深層学習に基づく動き推定性能が向上するかどうかを検討する。 モデル入力に4D情報を使用すると、合理的な推論時間を維持しながら性能が向上する。
  論文  参考訳（メタデータ） (2020-04-21T15:43:01Z)

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。