Fugu-MT 論文翻訳(概要): Segmentation of the aorta in 4D flow MRI using 4D convolutional kernels and learning from sparse annotations

論文の概要: Segmentation of the aorta in 4D flow MRI using 4D convolutional kernels and learning from sparse annotations

arxiv url: http://arxiv.org/abs/2609.04439v1
Date: Thu, 03 Sep 2026 19:59:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:23.80983
Title: Segmentation of the aorta in 4D flow MRI using 4D convolutional kernels and learning from sparse annotations
Title（参考訳）: 4次元畳み込み核を用いた4次元血流MRIにおける大動脈の分別とスパースアノテーションからの学習
Abstract要約: 再現性血行動態評価には,4次元血流MRIにおける大動脈分節の自動化が不可欠である。上行大動脈,アーチ,下行大動脈を分節する完全自動4D(3D+time)U-Netを開発した。
参考スコア（独自算出の注目度）: 26.56128921665582
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automated aortic segmentation in 4D flow MRI is essential for reproducible hemodynamic assessment but is limited by scarce dense annotations and high computational demands. We developed a fully automated 4D (3D+time) U-Net for segmenting the ascending aorta, arch, and proximal descending aorta, using a parameter-efficient hybrid 4D kernel to capture temporal context and sparse 4D labels derived from existing 2D expert contours and centerlines, thereby avoiding the need for dense 4D annotations. Training comprised 268 scans from 8 centers and 2 vendors, with evaluation on an internal test set (32 scans) and an external post-contrast set (30 scans; different site, protocol, and annotator), compared against frame-wise 3D networks and two semi-automatic references. Against time-resolved annotations, the 4D U-Net achieved Dice scores of 0.927 (internal) and 0.911 (external), versus 0.919/0.847 for the 3D U-Net, 0.893 for static PC-MRA, and 0.808 for registration-based propagation; differences were small in systole but pronounced in diastole. Agreement with expert contours for peak velocity, net flow, axial and circumferential wall shear stress, and diameters was excellent (ICC >=0.954 internal, >=0.980 external), while semi-automatic references performed worse. The method thus provides reproducible, time-resolved aortic segmentation for automated hemodynamic analysis and generalizes across multicenter, multivendor, and independent post-contrast data. The model is publicly available.
Abstract（参考訳）: 再現性血行動態評価には4次元フローMRIにおける大動脈分節の自動抽出が不可欠であるが, 少ないアノテーションと高い計算要求により制限される。パラメータ効率のよいハイブリッド4Dカーネルを用いて,上行大動脈,アーチ,近位下行大動脈をセグメント化するための完全自動化された4D (3D+time) U-Netを開発した。トレーニングは、内部テストセット(32スキャン)と外部コントラストセット(30スキャン、サイト、プロトコル、アノテーション)の268のスキャンを、フレームワイドの3Dネットワークと2つの半自動参照と比較した。時間分解アノテーションに対して、4D U-NetはDiceスコア0.927(内部)と0.911(外部)を、3D U-Netでは0.919/0.847、静的PC-MRAでは0.893、登録ベースの伝搬では0.808を達成した。ピーク速度, ネットフロー, 軸方向および周方向壁せん断応力, 径に対する専門家の輪郭との一致は良好であった(ICC >=0.954 内部, >=0.980 外部)。これにより、自動血行動態解析のための再現可能な時間分解大動脈セグメンテーションが提供され、マルチセンター、マルチベンダ、独立コントラストデータにまたがって一般化される。モデルは公開されています。

関連論文リスト

Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis [15.392128655814451]
解剖学的に一貫したデータ拡張のための4次元制御可能な生成フレームワークを提案する。半教師付き変分オートエンコーダは、解剖学的ボリュームのコンパクトな潜在表現を学習する。解剖学的構造は、カスケードされた潜在拡散モデルを通して時間力学から切り離される。
論文参考訳（メタデータ） (2026-06-25T08:48:45Z)
Echo4DIR: 4D Implicit Heart Reconstruction from 2D Echocardiography Videos [35.992365807108584]
本研究では,新しいテスト時間4D暗黙的再構成フレームワークであるEcho4DIRを提案する。我々は,心臓条件付きSDFを用いて,統計的形状モデル(SSM)から頑健な3次元形状を学習する。我々は、Echo4DIRが最先端の4D心筋メッシュ再構築を実現していることを示し、特に98.35%のDiceと96.75%のIoUの臨床的重複が顕著である。
論文参考訳（メタデータ） (2026-05-21T07:01:23Z)
PhaseFlow4D: Physically Constrained 4D Beam Reconstruction via Feedback-Guided Latent Diffusion [78.29352305480285]
フェーズFlow4Dは、不完全な2D観測だけで完全な4D位相空間を再構築し、追跡する。希土類同位体ビーム施設における重イオンビームの多粒子シミュレーションについて検証した。
論文参考訳（メタデータ） (2026-04-04T22:37:01Z)
Comparative Analysis of 3D Convolutional and 2.5D Slice-Conditioned U-Net Architectures for MRI Super-Resolution via Elucidated Diffusion Models [0.0]
脳MRI SRのためのEDM(Elucidated diffusion model)フレームワークについて検討した。 2つのU-Netバックボーンアーキテクチャを比較する: 3次元畳み込みとマルチヘッド自己アテンションを備えたボリュームパッチを処理するフル3次元畳み込みU-Netと、隣り合うスライスに条件付けしながら各スライスを独立して解決する2.5Dスライス条件付きU-Netである。
論文参考訳（メタデータ） (2026-03-15T23:48:29Z)
Robust automatic brain vessel segmentation in 3D CTA scans using dynamic 4D-CTA data [9.67851559401684]
動的4D-CTA頭部スキャンを用いた脳血管造影法を開発した。我々は、動的4D-CTAコレクションから複数のフェーズに同じセグメンテーションを用いて、地上の真理アノテーションに基づいてディープラーニングモデルを訓練する。対象は,25例の訓練画像110例,14例の検査画像165例であった。
論文参考訳（メタデータ） (2026-01-30T23:10:48Z)
4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images [49.170407434313475]
既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
論文参考訳（メタデータ） (2024-12-17T13:51:56Z)
Driv3R: Learning Dense 4D Reconstruction for Autonomous Driving [116.10577967146762]
マルチビュー画像シーケンスからフレーム単位のポイントマップを直接回帰するフレームワークであるDriv3Rを提案する。我々は4次元フロー予測器を用いてシーン内の移動物体を識別し、これらの動的領域の再構築をより重視する。 Driv3Rは4D動的シーン再構築において従来のフレームワークより優れており、推論速度は15倍高速である。
論文参考訳（メタデータ） (2024-12-09T18:58:03Z)
PerMO: Perceiving More at Once from a Single Image for Autonomous Driving [76.35684439949094]
単一画像から完全テクスチャ化された車両の3次元モデルを検出し,セグメント化し,再構成する新しい手法を提案する。私たちのアプローチは、ディープラーニングの強みと従来のテクニックの優雅さを組み合わせています。我々はこれらのアルゴリズムを自律運転システムに統合した。
論文参考訳（メタデータ） (2020-07-16T05:02:45Z)
4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
論文参考訳（メタデータ） (2020-07-02T12:02:20Z)
4D Spatio-Temporal Deep Learning with 4D fMRI Data for Autism Spectrum Disorder Classification [69.62333053044712]
ASD分類のための4次元畳み込み深層学習手法を提案する。 F1スコアは0.71、F1スコアは0.65であるのに対し、我々は4Dニューラルネットワークと畳み込みリカレントモデルを採用する。
論文参考訳（メタデータ） (2020-04-21T17:19:06Z)
A Hybrid 3DCNN and 3DC-LSTM based model for 4D Spatio-temporal fMRI data: An ABIDE Autism Classification study [0.0]
本稿では,3次元CNNと3次元磁気LSTMを用いて,全4次元データから特徴を抽出できるエンドツーエンドアルゴリズムを提案する。提案手法は,NYUサイトとUMサイトにおいて,F1スコア0.78,0.7の単一サイトにおいて,技術結果の状態を達成できることを示す。
論文参考訳（メタデータ） (2020-02-14T11:52:00Z)

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。