論文の概要: CineMyoPS: Segmenting Myocardial Pathologies from Cine Cardiac MR
- arxiv url: http://arxiv.org/abs/2507.02289v1
- Date: Thu, 03 Jul 2025 03:52:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-04 15:37:15.580904
- Title: CineMyoPS: Segmenting Myocardial Pathologies from Cine Cardiac MR
- Title（参考訳）: CineMyoPS : Cine Cardiac MRによる心筋病変の分離
- Authors: Wangbin Ding, Lei Li, Junyi Qiu, Bogen Lin, Mingjing Yang, Liqin Huang, Lianming Wu, Sihan Wang, Xiahai Zhuang,
- Abstract要約: 心筋梗塞(MI)は世界中で死因となっている。
CineMyoPSと呼ばれる新しいエンド・ツー・エンドのディープ・ニューラル・ネットワークを導入し,心筋の病態を解析した。
CineMyoPSは、MIに関連する運動と解剖の特徴を抽出する。
- 参考スコア（独自算出の注目度）: 19.888753279183266
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Myocardial infarction (MI) is a leading cause of death worldwide. Late gadolinium enhancement (LGE) and T2-weighted cardiac magnetic resonance (CMR) imaging can respectively identify scarring and edema areas, both of which are essential for MI risk stratification and prognosis assessment. Although combining complementary information from multi-sequence CMR is useful, acquiring these sequences can be time-consuming and prohibitive, e.g., due to the administration of contrast agents. Cine CMR is a rapid and contrast-free imaging technique that can visualize both motion and structural abnormalities of the myocardium induced by acute MI. Therefore, we present a new end-to-end deep neural network, referred to as CineMyoPS, to segment myocardial pathologies, \ie scars and edema, solely from cine CMR images. Specifically, CineMyoPS extracts both motion and anatomy features associated with MI. Given the interdependence between these features, we design a consistency loss (resembling the co-training strategy) to facilitate their joint learning. Furthermore, we propose a time-series aggregation strategy to integrate MI-related features across the cardiac cycle, thereby enhancing segmentation accuracy for myocardial pathologies. Experimental results on a multi-center dataset demonstrate that CineMyoPS achieves promising performance in myocardial pathology segmentation, motion estimation, and anatomy segmentation.
- Abstract（参考訳）: 心筋梗塞(MI)は世界中で死因となっている。
遅発性ガドリニウム増強 (LGE) とT2強調心筋磁気共鳴 (CMR) は, MIリスク層化と予後評価に欠かせない傷領域と浮腫領域をそれぞれ同定することができる。
マルチシーケンスCMRからの相補的な情報を組み合わせることは有用であるが、コントラストエージェントの投与により、これらのシーケンスの取得には時間を要する。
Cine CMRは、急性MIにより誘発される心筋の運動と構造異常の両方を可視化する高速でコントラストのないイメージング技術である。
そこで我々はCineMyoPSと呼ばれる新しいエンド・ツー・エンドのディープ・ニューラル・ネットワークを導入し,CMR画像のみから心筋病理,Shaie scars,edemaを抽出した。
特に、CineMyoPSは、MIに関連する運動と解剖の特徴を抽出する。
これらの特徴間の相互依存を考慮して、共同学習を容易にするために、一貫性の喪失(協調学習戦略の再構築)を設計する。
さらに,MI関連特徴を心臓循環全体にわたって統合し,心筋病変のセグメンテーション精度を高めるための時系列集計戦略を提案する。
CineMyoPSは, 心筋病変のセグメンテーション, 運動推定, 解剖学的セグメンテーションにおいて有望な性能を示した。
関連論文リスト
- CLAIM: Clinically-Guided LGE Augmentation for Realistic and Diverse Myocardial Scar Synthesis and Segmentation [3.052913696182197]
CLAIM: textbfClinically-Guided textbfLGE textbfAugmentation for Realtextbfiiyocardial Scar Synthesis and framework。
SMILEモジュールは、臨床で採用されているAHA 17セグメントモデルで拡散ベースのジェネレータを条件に、解剖学的に一貫性があり空間的に多様な傷跡パターンで画像を合成する。
実験結果から, CLAIMは解剖学的に整合性のある傷跡パターンを生成し, ベースラインモデルと比較してDiceと実際の傷跡分布との類似性が高いことがわかった。
論文 参考訳（メタデータ） (2025-06-18T15:21:34Z) - Contrast-Free Myocardial Scar Segmentation in Cine MRI using Motion and Texture Fusion [27.62353966697765]
左心室の心筋と傷部組織を分画するために,シネMRIで観察される心臓運動と画像テクスチャ情報を組み合わせた新しい枠組みを提案する。
実験により,LGE MRIに匹敵する精度で,非コントラストのシネ画像に基づいてスカーセグメンテーションを実現できることが示された。
論文 参考訳（メタデータ） (2025-01-09T13:46:46Z) - Aligning Multi-Sequence CMR Towards Fully Automated Myocardial Pathology
Segmentation [20.68539814306763]
心筋梗塞のリスク階層化と治療計画にMyoPSが重要である
非整合MS-CMR画像のためのMyoPSフレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-07T15:41:40Z) - AWSnet: An Auto-weighted Supervision Attention Network for Myocardial
Scar and Edema Segmentation in Multi-sequence Cardiac Magnetic Resonance
Images [23.212429566838203]
マルチシーケンスCMRデータから傷痕と浮腫のセグメンテーションに取り組むための,新しい自動重み付け監視フレームワークを開発した。
また, より小さな心筋病変領域の分画を, 形状の事前知識で促進する, 粗大から細大の枠組みを設計した。
マルチシーケンスCMRデータを用いた心筋病理診断の進歩に期待できる。
論文 参考訳（メタデータ） (2022-01-14T08:59:54Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - Multi-Modality Cardiac Image Analysis with Deep Learning [16.814634972950717]
晩期ガドリニウム造影MRI(LGE MRI)は,心筋梗塞(MI)および心房粗動の可視化と定量化に有望な手法である。
本章は,深層学習に基づく多モード心画像解析における現状と最近の進歩を要約することを目的としている。
論文 参考訳（メタデータ） (2021-11-08T12:54:11Z) - Myocardial Segmentation of Cardiac MRI Sequences with Temporal
Consistency for Coronary Artery Disease Diagnosis [12.53412028532286]
本研究では,左室腔,右室腔,心筋の心臓MRI(CMR)スキャン画像のシークエンスのための心筋セグメンテーションフレームワークを提案する。
我々のフレームワークは、Dice係数の最大2%のセグメンテーション精度を向上させることができる。
論文 参考訳（メタデータ） (2020-12-29T01:54:09Z) - Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided
Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。
CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。
深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文 参考訳（メタデータ） (2020-08-05T08:49:20Z) - Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark
Study from Multi-Sequence Cardiac MR Segmentation Challenge [43.01944884184009]
本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。
新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。
これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
論文 参考訳（メタデータ） (2020-06-22T17:04:38Z) - 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。