論文の概要: Multicentre Bi-atrial Segmentation from LGE-MRI for Atrial Fibrillation with a 2D and 3D Framework
- arxiv url: http://arxiv.org/abs/2609.22398v1
- Date: Fri, 18 Sep 2026 10:58:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.3675
- Title: Multicentre Bi-atrial Segmentation from LGE-MRI for Atrial Fibrillation with a 2D and 3D Framework
- Title（参考訳）: 心房細動に対する LGE-MRI を用いた多心房分離術
- Abstract要約: 本研究では,ROIの局在化,エンコーダ設計,2D/3次元次元,アンサンブル融合が心房壁と空洞セグメンテーションにどのように影響するかを評価するための2段階セグメンテーションフレームワークとベンチマークプラットフォームを提案する。
このフレームワークは、2Dおよび3D U-Netの変種をResNeXtエンコーダと組み合わせて3Dローカライゼーションと細かなセグメンテーションを統合し、それらを畳み込み、トランスフォーマーベース、状態空間アーキテクチャと比較する。
- 参考スコア（独自算出の注目度）: 3.0838948803252904
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate delineation of bi-atrial structures from late gadolinium enhancement MRI (LGE-MRI) is an important prerequisite for structural analysis and future fibrosis-quantification workflows in atrial fibrillation (AF). However, automated segmentation is challenging due to thin-walled anatomy, domain shifts across imaging centres, and limited benchmarking of existing methods. This study presents a two-stage segmentation framework and benchmarking platform for evaluating how ROI localisation, encoder design, 2D/3D dimensionality, and ensemble fusion affect bi-atrial wall and cavity segmentation across multicentre LGE-MRI datasets. The framework integrates 3D localisation and fine segmentation using 2D and 3D U-Net variants with ResNeXt encoders and compares them with convolutional, transformer-based, and state-space architectures. { Evaluation across three independent cohorts assessed accuracy and cross-domain transfer without target-domain fine-tuning. Cavity segmentation transferred more consistently across centres than atrial wall segmentation, while wall performance remained sensitive to domain shift, particularly in the Kobe cohort.} By quantifying how 2D, 3D, and ensemble architectures behave across centres and between walls and cavities, this work provides a reproducible benchmark for future methodological development and clinical validation.
- Abstract（参考訳）: 後期ガドリニウム造影MRI(LGE-MRI)による心房細動における心房細動の正確な記述は、心房細動(AF)における構造解析と将来の線維化定量化のワークフローにとって重要な前提条件である。
しかし、薄肉解剖、画像センター間のドメインシフト、既存手法の限られたベンチマークのため、自動セグメンテーションは困難である。
本研究では,2段階のセグメンテーション・フレームワークとベンチマーク・プラットフォームを用いて,ROIの局所化,エンコーダ設計,2D/3次元次元次元,アンサンブル融合が多中心LGE-MRIデータセットにおける心房壁と空洞セグメンテーションにどのように影響するかを評価する。
このフレームワークは、2Dおよび3D U-Netの変種をResNeXtエンコーダと組み合わせて3Dローカライゼーションと細かなセグメンテーションを統合し、それらを畳み込み、トランスフォーマーベース、状態空間アーキテクチャと比較する。
2) 3つの独立したコホートによる評価では,目標ドメインの微調整を伴わない精度とドメイン間転送が評価された。
キャビティセグメンテーションは心房壁セグメンテーションよりも心房壁セグメンテーションに一貫して移行したが, 壁性能は特に神戸コホートではドメインシフトに敏感であった。
} 2D, 3D, アンサンブルのアーキテクチャは, 壁とキャビティの間をまたがってどのように振る舞うかを定量化することにより, 将来の方法論開発と臨床検査のための再現可能なベンチマークを提供する。
関連論文リスト
- FoundationGeo: Learning Spatial Pixel-Wise Fields for Monocular Metric Geometry [52.232826445242644]
FoundationGeoは空間キャリブレーションと原則データ設計による相対的および計量的予測を橋渡しする。
ステージ1は DINOv3 で初期化することで高忠実なアフィン不変幾何モデルを学ぶ。
ステージ2は、メートル法推定のためのピクセルワイドキャリブレーションフィールドを導入することで、グローバルなスケーリングを越えている。
論文 参考訳（メタデータ） (2026-07-13T14:10:01Z) - Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。
コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
論文 参考訳（メタデータ） (2026-06-30T15:42:23Z) - D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities [54.87947751720332]
欠落モード設定下での安定した性能を維持するために,新しいセグメンテーションモデルD3Segを提案する。
提案モデルでは, 腫瘍造影法 (ET) で約1.5～2.0%, 腫瘍コア法 (TC) で約1.0%, 複数の欠損モードで約1.0%を達成している。
論文 参考訳（メタデータ） (2026-05-21T09:55:42Z) - Sampling-Aware 3D Spatial Analysis in Multiplexed Imaging [6.355732454577005]
高多重顕微鏡は、単一細胞の分解能で組織をリッチに特徴づけることができる。
ほとんどの分析は、本質的に3次元組織組織であるにもかかわらず、2次元の切断に依存している。
直列断面からのスパースかつ一貫した3次元解析を可能にする幾何認識再構成モジュールを提案する。
論文 参考訳（メタデータ） (2026-04-09T06:59:15Z) - Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。
厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。
類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
論文 参考訳（メタデータ） (2026-03-02T10:44:03Z) - XAG-Net: A Cross-Slice Attention and Skip Gating Network for 2.5D Femur MRI Segmentation [0.0]
XAG-Netは、ピクセルワイド・クロススライス・アテンション(CSA)とアテンション・ゲーティング(AG)機構を組み込んだ2.5D U-Netベースの新しいアーキテクチャである。
XAG-Netは2D, 2.5D, 3D U-Netモデルを計算効率を保ちながら大腿骨セグメンテーションの精度で上回っている。
論文 参考訳（メタデータ） (2025-08-08T12:25:52Z) - ReCoGNet: Recurrent Context-Guided Network for 3D MRI Prostate Segmentation [11.248082139905865]
アノテーション付きデータとしてMRIシーケンスをモデル化するハイブリッドアーキテクチャを提案する。
本手法では, 深層保存型DeepVLab3バックボーンを用いて, それぞれのMRIスライスから高レベルなセマンティック特徴を抽出し, コンブLSTM層で構築した再帰的畳み込みヘッドを用いて, スライス間の情報統合を行う。
現状の2D, 3Dセグメンテーションモデルと比較して, 精度, リコール, IoU, Dice similarity Coefficient (DSC) およびロバストネスの点で優れた性能を示す。
論文 参考訳（メタデータ） (2025-06-24T14:56:55Z) - Segmenting Bi-Atrial Structures Using ResNext Based Framework [3.0838948803252904]
左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。
TASSNetは、(i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ、(ii)高度に不均衡な小さな3Dセグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュールの2つの主要なイノベーションを紹介している。
論文 参考訳（メタデータ） (2025-02-28T10:23:12Z) - Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
トポロジカルデータ解析(TDA)に基づくMRIスキャンのセグメンテーションのための新しいフレームワークを提案する。
パイプラインは3つのステップで進み、まずオブジェクト全体を自動しきい値によってセグメントに識別し、次に事前にトポロジが知られている固有のサブセットを検出し、最後にセグメンテーションの様々なコンポーネントを推論する。
脳MRIにおけるグリオ芽腫の分画、心筋MRIにおける心筋、シリンダー形成、胎児脳MRIにおける皮質プレート検出の3つの応用について検討した。
論文 参考訳（メタデータ） (2024-01-02T11:43:49Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - 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。