Fugu-MT 論文翻訳(概要): Multi-Stage Bi-Atrial Segmentation Framework from 3D Late Gadolinium-Enhanced MRI using V-Net Family Models

論文の概要: Multi-Stage Bi-Atrial Segmentation Framework from 3D Late Gadolinium-Enhanced MRI using V-Net Family Models

arxiv url: http://arxiv.org/abs/2604.26251v1
Date: Wed, 29 Apr 2026 03:13:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-30 15:59:36.236867
Title: Multi-Stage Bi-Atrial Segmentation Framework from 3D Late Gadolinium-Enhanced MRI using V-Net Family Models
Title（参考訳）: V-Netファミリモデルを用いた3次元後期ガドリニウム強調MRIからの多段階心房分離
Authors: Hao Wen, Jingsu Kang,
Abstract要約: ヒト心臓の3D遅延ガドリニウム強調MRI(LGE)による多段階性心房細動の診断を目的とした多段階的枠組みを報告する。このパイプラインは、多次元コントラスト制限適応ヒストグラム等化(MCLAHE)を用いた前処理ステップ、V-Netファミリモデルを用いたMCLAHE強調およびダウンサンプリングMRIからの粗い領域分割、V-Netモデルを用いた粗い領域からの微細なセグメント化からなる。
参考スコア（独自算出の注目度）: 2.2948908926137084
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We report our multi-stage framework designed for the problem of multi-class bi-atrial segmentation from 3D late gadolinium-enhanced (LGE) MRI of the human heart. The pipeline consists of a preprocessing step using multidimensional contrast limited adaptive histogram equalization (MCLAHE); coarse region segmentation from MCLAHE-enhanced and down-sampled MRI using a V-Net family model; and fine segmentation from the coarse region using another V-Net model. Asymmetric loss is adopted to optimize the model weights.
Abstract（参考訳）: ヒト心臓の3D遅延ガドリニウム強調MRI(LGE)による多段階性心房細動の診断を目的とした多段階的枠組みを報告する。このパイプラインは、多次元コントラスト制限適応ヒストグラム等化(MCLAHE)を用いた前処理ステップ、V-Netファミリモデルを用いたMCLAHE強調およびダウンサンプリングMRIからの粗い領域分割、V-Netモデルを用いた粗い領域からの微細なセグメント化からなる。モデルウェイトを最適化するために非対称損失が採用されている。

関連論文リスト

Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
論文参考訳（メタデータ） (2026-01-29T13:05:46Z)
Graph-based Multi-Modal Interaction Lightweight Network for Brain Tumor Segmentation (GMLN-BTS) in Edge Iterative MRI Lesion Localization System (EdgeIMLocSys) [6.451534509235736]
本稿では,人間のフィードバックから連続学習を統合するEdge IMLocSys (Edge Iterative MRI Lesion Localization System) を提案する。このシステムの中心は、GMLN-BTS(GMLN-BTS)のためのグラフベースの多モード相互作用軽量ネットワークである。提案したGMLN-BTSモデルは、BraTS 2017データセットで85.1%のDiceスコアを達成し、パラメータはわずか458万で、メインストリームの3Dトランスフォーマーモデルと比較して98%削減された。
論文参考訳（メタデータ） (2025-07-14T07:29:49Z)
ShapeMamba-EM: Fine-Tuning Foundation Model with Local Shape Descriptors and Mamba Blocks for 3D EM Image Segmentation [49.42525661521625]
本稿では3次元EMセグメンテーションのための特殊微調整法であるShapeMamba-EMを提案する。 5つのセグメンテーションタスクと10のデータセットをカバーする、幅広いEMイメージでテストされている。
論文参考訳（メタデータ） (2024-08-26T08:59:22Z)
Inter-slice Super-resolution of Magnetic Resonance Images by Pre-training and Self-supervised Fine-tuning [49.197385954021456]
臨床実践では、2次元磁気共鳴(MR)シーケンスが広く採用されている。個々の2次元スライスを積み重ねて3次元ボリュームを形成できるが、比較的大きなスライスススペーシングは可視化とその後の解析タスクに課題をもたらす可能性がある。スライス間隔を低減するため,ディープラーニングに基づく超解像技術が広く研究されている。現在のほとんどのソリューションは、教師付きトレーニングのために、かなりの数の高解像度と低解像度の画像を必要とするが、通常は現実のシナリオでは利用できない。
論文参考訳（メタデータ） (2024-06-10T02:20:26Z)
NEAT: Distilling 3D Wireframes from Neural Attraction Fields [52.90572335390092]
本稿では,3次元再構成セグメントと焦点接合を用いたラインフレーム接合の問題について検討する。 ProjectNEATは、クロスアートマッチングをゼロから行わずに、ジョイントニューラルフィールドとビューを楽しみます。
論文参考訳（メタデータ） (2023-07-14T07:25:47Z)
Med-DANet: Dynamic Architecture Network for Efficient Medical Volumetric Segmentation [13.158995287578316]
我々は,Med-DANetという動的アーキテクチャネットワークを提案し,効率的な精度と効率のトレードオフを実現する。入力された3次元MRIボリュームのスライス毎に,提案手法は決定ネットワークによってスライス固有の決定を学習する。提案手法は, 従来の3次元MRI脳腫瘍セグメント化法と比較して, 同等あるいは良好な結果が得られる。
論文参考訳（メタデータ） (2022-06-14T03:25:58Z)
Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文参考訳（メタデータ） (2021-07-07T19:06:34Z)
Enhanced 3D Myocardial Strain Estimation from Multi-View 2D CMR Imaging [0.0]
CMR SSFP画像からの複数方向からの相補的変位情報を組み合わせた3次元心筋ひずみ推定法を提案する。商用ソフトウェア(セグメント,メドビソ)に実装された2次元非剛性登録アルゴリズムを用いて,短軸,4角,2角のビューのセットを登録する。次に, 運動3方向の補間関数を作成し, 患者固有の左室の四面体メッシュ表現を変形させる。
論文参考訳（メタデータ） (2020-09-25T22:47:50Z)
Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
論文参考訳（メタデータ） (2020-07-09T13:23:15Z)
Brain segmentation based on multi-atlas guided 3D fully convolutional network ensembles [1.52292571922932]
構造磁気共鳴画像(MRI)から関心領域(ROI)を抽出するためのマルチアトラスガイド3次元完全畳み込みネットワーク(FCN)アンサンブルモデル(M-FCN)を提案し,検証した。我々は、各ROIの3次元FCNモデルを、適応サイズのパッチとデコンボリューション層内の畳み込み層の組込み出力を用いて訓練し、局所的およびグローバルなコンテキストパターンをさらに捉えた。その結果,提案手法はセグメンテーション性能に優れていた。
論文参考訳（メタデータ） (2019-01-05T08:23:48Z)

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。