文献

J-GLOBAL ID：201702281580058808   整理番号：17A0367886

CTイメージングを用いた血流シミュレーションのための分岐した冠状動脈の水密モデリングとセグメンテーション【Powered by NICT】

Watertight modeling and segmentation of bifurcated Coronary arteries for blood flow simulation using CT imaging

著者 (5件)： Zhou Haoyin (Dalio Institute of Cardiovascular Imaging and Department of Radiology, Weill Cornell Medical College, New York, NY, USA) ,  Sun Peng (Dalio Institute of Cardiovascular Imaging and Department of Radiology, Weill Cornell Medical College, New York, NY, USA) ,  Ha Seongmin (Dalio Institute of Cardiovascular Imaging and Department of Radiology, Weill Cornell Medical College, New York, NY, USA) ,  Lundine Devon (Dalio Institute of Cardiovascular Imaging and Department of Radiology, Weill Cornell Medical College, New York, NY, USA) ,  Xiong Guanglei (Dalio Institute of Cardiovascular Imaging and Department of Radiology, Weill Cornell Medical College, New York, NY, USA)
資料名： Computerized Medical Imaging and Graphics  (Computerized Medical Imaging and Graphics)
巻： 53  ページ： 43-53  発行年： 2016年 
JST資料番号： T0220A  ISSN： 0895-6111  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 計算流体力学を用いた血流の画像に基づくシミュレーションは虚血性冠動脈疾患の診断で重要な役割を果たすことが示されている。水密構造における複雑な冠動脈構造の正確な抽出は必要条件であるが,手動セグメンテーションは退屈で主観的である。いくつかの半および完全に自動化された冠動脈抽出手法が開発されているが,いくつかの課題に直面した。従来のボクセルベースの方法は,水密セグメンテーションを可能にするが,遅いとエキスパート知識を組み込むことは困難である。機械学習に基づく方法は比較的迅速でマニュアルアノテーションに埋め込まれた豊富な情報を捕捉した。冠動脈解剖学的構造の可視化と解析のための十分であるが,冠動脈脈管構造は管状構造の組み合わせとして表現され,分岐形状は不適切にモデル化されるならば,これらの方法は血流シミュレーションのための直接使用できない。本論文では,機械学習の明示的分岐モデリングと応用に焦点を当てたCT画像からの分岐冠動脈を抽出する新しい方法を提案した。分岐内腔は最初に管状容器枝を接合するために凸包を生成することによりモデル化した。予め決定した中心線に導かれて,機械学習に基づくセグメンテーションは,分岐管腔モデルは容器境界を標的に適応するために行い,細分割曲面による平滑化である。著者らの実験は,CT画像から構築された冠状動脈形状は人手アノテーション付きグランドトルースに対する結果を比較することによって正確であり,冠血流シミュレーションに直接適用できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *血流 ,  凸包 ,  *セグメンテーション ,  アノテーション ,  *冠動脈 ,  マニホールド ,  機械学習 ,  必要条件 ,  *モデリング ,  平滑化 ,  解剖学 ,  血管構造 ,  CFD【流体力学】 ,  流体力学 ,  物理学 ,  科学 ,  力学 ,  連続体力学 ,  自然科学
準シソーラス用語： 計算流体力学 ,  グランドトゥルース ,  CT画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： 冠動脈疾患 ,  容器セグメンテーション ,  分岐モデリング ,  機械学習 ,  細分割表面 ,  計算流体力学 ,  冠血流

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (9件)： CT ,  イメージング ,  血流 ,  シミュレーション ,  分岐 ,  冠状動脈 ,  水密 ,  モデリング ,  セグメンテーション