論文の概要: Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge

• arxiv url: http://arxiv.org/abs/2507.19165v1
• Date: Fri, 25 Jul 2025 11:12:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.928932
• Title: Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge
• Title（参考訳）: CMRxMotion Challengeの成績
• Authors: Kang Wang, Chen Qin, Zhang Shi, Haoran Wang, Xiwen Zhang, Chen Chen, Cheng Ouyang, Chengliang Dai, Yuanhan Mo, Chenchen Dai, Xutong Kuang, Ruizhe Li, Xin Chen, Xiuzheng Yue, Song Tian, Alejandro Mora-Rubio, Kumaradevan Punithakumar, Shizhan Gong, Qi Dou, Sina Amirrajab, Yasmina Al Khalil, Cian M. Scannell, Lexiaozi Fan, Huili Yang, Xiaowu Sun, Rob van der Geest, Tewodros Weldebirhan Arega, Fabrice Meriaudeau, Caner Özer, Amin Ranem, John Kalkhof, İlkay Öksüz, Anirban Mukhopadhyay, Abdul Qayyum, Moona Mazher, Steven A Niederer, Carles Garcia-Cabrera, Eric Arazo, Michal K. Grzeszczyk, Szymon Płotka, Wanqin Ma, Xiaomeng Li, Rongjun Ge, Yongqing Kou, Xinrong Chen, He Wang, Chengyan Wang, Wenjia Bai, Shuo Wang,
• Abstract要約: ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
• 参考スコア（独自算出の注目度）: 56.28872161153236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning models have achieved state-of-the-art performance in automated Cardiac Magnetic Resonance (CMR) analysis. However, the efficacy of these models is highly dependent on the availability of high-quality, artifact-free images. In clinical practice, CMR acquisitions are frequently degraded by respiratory motion, yet the robustness of deep learning models against such artifacts remains an underexplored problem. To promote research in this domain, we organized the MICCAI CMRxMotion challenge. We curated and publicly released a dataset of 320 CMR cine series from 40 healthy volunteers who performed specific breathing protocols to induce a controlled spectrum of motion artifacts. The challenge comprised two tasks: 1) automated image quality assessment to classify images based on motion severity, and 2) robust myocardial segmentation in the presence of motion artifacts. A total of 22 algorithms were submitted and evaluated on the two designated tasks. This paper presents a comprehensive overview of the challenge design and dataset, reports the evaluation results for the top-performing methods, and further investigates the impact of motion artifacts on five clinically relevant biomarkers. All resources and code are publicly available at: https://github.com/CMRxMotion
• Abstract（参考訳）: ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 しかし、これらのモデルの有効性は、高品質でアーティファクトのない画像の可用性に大きく依存している。 臨床的には、CMRの取得は呼吸運動によってしばしば劣化するが、そのような人工物に対する深層学習モデルの堅牢性は未解決の問題である。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。 健常者40名の健常者から得られた320個のCMRシネシリーズのデータセットを収集,公開し,運動アーティファクトの制御スペクトルを誘導した。 課題は2つの課題で構成された。 1)動きの重大度に基づく画像分類のための画像品質自動評価 2) 運動人工物の存在下での堅牢な心筋セグメンテーション 合計22のアルゴリズムが提案され、2つの指定されたタスクで評価された。 本稿では,課題設計とデータセットの概要を概説し,トップパフォーマンス手法の評価結果を報告するとともに,5つの臨床関連バイオマーカーに対する運動人工物の影響について検討する。 すべてのリソースとコードは、https://github.com/CMRxMotion.comで公開されている。

関連論文リスト

• Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
  MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。 ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:25:18Z)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
  ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。 ディープラーニング手法は大規模なトレーニングデータセットを必要とする。 このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
  論文  参考訳（メタデータ） (2023-09-19T15:14:42Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• The Extreme Cardiac MRI Analysis Challenge under Respiratory Motion (CMRxMotion) [21.08720366527158]
  CMRxMotion Challenge (CMRxMotion Challenge) における極端な心MRI画像解析の試み この課題は、40人の健康なボランティアを雇い、1回の画像訪問中に異なる呼吸保持行動を実行させた。 放射線学者は、画像の品質を評価し、呼吸運動アーティファクトのレベルを注釈した。
  論文  参考訳（メタデータ） (2022-10-12T16:38:23Z)
• Detecting respiratory motion artefacts for cardiovascular MRIs to ensure high-quality segmentation [0.9790426916395246]
  心臓血管磁気共鳴画像(CMR)における呼吸運動の重症度を推定するワークフローを提案する。 本手法は, 取得したCMRが, さらなる診断に使用される前に, 特定の品質基準を保持できることを保証する。
  論文  参考訳（メタデータ） (2022-09-20T12:29:05Z)
• Multi-task Swin Transformer for Motion Artifacts Classification and Cardiac Magnetic Resonance Image Segmentation [0.4419843514606336]
  CMRxMotionの課題であるCMRセグメンテーションとモーションアーティファクト分類の2つのタスクを同時に解くためのマルチタスク・スイニング・UNEt TRansformerネットワークを提案する。 セグメンテーションと分類の両方をマルチタスク学習アプローチとして利用し、CMRの診断品質を判定し、同時にマスクを生成する。
  論文  参考訳（メタデータ） (2022-09-06T13:14:44Z)
• 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)
• Assessing Lesion Segmentation Bias of Neural Networks on Motion Corrupted Brain MRI [3.9694334747397484]
  病変分割タスクに係わるニューラルネットワークの性能に、異なるレベルの運動アーティファクトが与える影響を定量化する。 この結果から,カリキュラム学習を用いて学習したネットワークは,異なるレベルの運動アーティファクトの補償に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-12T21:06:40Z)

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。