論文の概要: A novel framework for fully-automated co-registration of intravascular ultrasound and optical coherence tomography imaging data

• arxiv url: http://arxiv.org/abs/2507.05883v1
• Date: Tue, 08 Jul 2025 11:12:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.937974
• Title: A novel framework for fully-automated co-registration of intravascular ultrasound and optical coherence tomography imaging data
• Title（参考訳）: 血管内超音波と光コヒーレンストモグラフィーデータの完全自動共存のための新しい枠組み
• Authors: Xingwei He, Kit Mills Bransby, Ahmet Emir Ulutas, Thamil Kumaran, Nathan Angelo Lecaros Yap, Gonul Zeren, Hesong Zeng, Yaojun Zhang, Andreas Baumbach, James Moon, Anthony Mathur, Jouke Dijkstra, Qianni Zhang, Lorenz Raber, Christos V Bourantas,
• Abstract要約: 血管内超音波(IVUS)と光コヒーレンス断層撮影(OCT)画像の経時的および周的共存を可能にするディープラーニングフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 2.6347217363196633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aims: To develop a deep-learning (DL) framework that will allow fully automated longitudinal and circumferential co-registration of intravascular ultrasound (IVUS) and optical coherence tomography (OCT) images. Methods and results: Data from 230 patients (714 vessels) with acute coronary syndrome that underwent near-infrared spectroscopy (NIRS)-IVUS and OCT imaging in their non-culprit vessels were included in the present analysis. The lumen borders annotated by expert analysts in 61,655 NIRS-IVUS and 62,334 OCT frames, and the side branches and calcific tissue identified in 10,000 NIRS-IVUS frames and 10,000 OCT frames, were used to train DL solutions for the automated extraction of these features. The trained DL solutions were used to process NIRS-IVUS and OCT images and their output was used by a dynamic time warping algorithm to co-register longitudinally the NIRS-IVUS and OCT images, while the circumferential registration of the IVUS and OCT was optimized through dynamic programming. On a test set of 77 vessels from 22 patients, the DL method showed high concordance with the expert analysts for the longitudinal and circumferential co-registration of the two imaging sets (concordance correlation coefficient >0.99 for the longitudinal and >0.90 for the circumferential co-registration). The Williams Index was 0.96 for longitudinal and 0.97 for circumferential co-registration, indicating a comparable performance to the analysts. The time needed for the DL pipeline to process imaging data from a vessel was <90s. Conclusion: The fully automated, DL-based framework introduced in this study for the co-registration of IVUS and OCT is fast and provides estimations that compare favorably to the expert analysts. These features renders it useful in research in the analysis of large-scale data collected in studies that incorporate multimodality imaging to characterize plaque composition.
• Abstract（参考訳）: Aims: 血管内超音波 (IVUS) と光コヒーレンス断層撮影 (OCT) 画像の完全自動および周方向の共存を可能にするディープラーニング (DL) フレームワークを開発する。 方法と結果: 近赤外分光法(NIRS-IVUS)を施行した急性冠症候群患者230例 (714血管) と非原因血管におけるCT画像検査を行った。 専門家による61,655 NIRS-IVUS と 62,334 の OCT フレームに接し, 側枝と石灰組織は10,000 NIRS-IVUS フレームと10,000 の OCT フレームに同定され, これらの特徴の自動抽出のためのDL ソリューションの訓練に使用された。 トレーニングされたDLソリューションを用いてNIRS-IVUSとOCTの画像を処理し、その出力は動的時間ワープアルゴリズムによってNIRS-IVUSとOCTの画像を縦に登録し、IVUSとOCTの周方向の登録は動的プログラミングによって最適化された。 22症例の77症例を対象に, DL法では, 2つの画像セットの長手および周方向の共存について, 専門家と高い一致を示した(前後方向の相関係数 >0.99, 周方向の共存率 >0.90)。 ウィリアムズ指数は縦比0.96、円周比0.97であり、アナリストに匹敵する性能を示した。 DLパイプラインが船体からの画像データを処理するのに要する時間は<90s。 結論: 本研究で導入された完全自動化DLベースのフレームワークは,IVUS と OCT の同時登録が高速で,専門家のアナリストに好意的に比較できる推定結果を提供する。 これらの特徴は、多モードイメージングを取り入れてプラーク組成を特徴づける研究で収集された大規模なデータの解析において有用である。

関連論文リスト

• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Deep-Learning-based Vasculature Extraction for Single-Scan Optical Coherence Tomography Angiography [9.77526300425824]
  我々は,OCTA画像を生成するために1回のOCTスキャンのみを用いる血管抽出パイプラインを提案する。 このパイプラインは、畳み込みプロジェクションを利用して画像パッチ間の空間的関係をよりよく学習する、提案されたVasculature extract Transformer (VET)に基づいている。
  論文  参考訳（メタデータ） (2023-04-17T13:55:26Z)
• Longitudinal Multimodal Transformer Integrating Imaging and Latent Clinical Signatures From Routine EHRs for Pulmonary Nodule Classification [4.002181247287472]
  単発性肺結節(SPN)分類におけるERHからの経時的臨床所見とリピート画像を統合するためのトランスフォーマーベースのマルチモーダル戦略を提案する。 臨床症状の非観血的非観血的切り離しを行ない, 時間依存性の自己注意を利用して, 臨床症状の表現と胸部CTスキャンから共同学習を行った。
  論文  参考訳（メタデータ） (2023-04-06T03:03:07Z)
• Morphology-based non-rigid registration of coronary computed tomography and intravascular images through virtual catheter path optimization [0.2631367460046713]
  血管内画像の剛性および非剛性マッチングのための形態学的枠組みをCCTA画像に提示した。 本フレームワークは,大規模なマルチモーダル臨床研究を行うために必要な手作業を削減する。
  論文  参考訳（メタデータ） (2022-12-30T21:48:32Z)
• Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of Articulated Motion [48.52403516006036]
  本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。 この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。 いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
  論文  参考訳（メタデータ） (2022-08-10T15:39:20Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Microvasculature Segmentation and Inter-capillary Area Quantification of the Deep Vascular Complex using Transfer Learning [0.0]
  畳み込みニューラルネットワーク(CNN)を用いて表面表層血管複合体と深部血管叢の正確なセグメンテーションを定量的に検討した。 異なる OCT システムを用いて取得した SCP の小さい FOV から 76 個の画像で訓練した CNN からの移動学習を応用した。
  論文  参考訳（メタデータ） (2020-03-19T22:27:02Z)
• 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。