心臓MRIにおける心筋形状および姿勢パラメータのセグメンテーション誘導予測のための形状制約CNN【JST・京大機械翻訳】

Tilborghs Sofie; Bogaert Jan; Maes Frederik

プレプリント

J-GLOBAL ID：202202212852738067 整理番号：22P0297739

心臓MRIにおける心筋形状および姿勢パラメータのセグメンテーション誘導予測のための形状制約CNN【JST・京大機械翻訳】

Shape constrained CNN for segmentation guided prediction of myocardial shape and pose parameters in cardiac MRI

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

畳み込みニューラルネットワーク(CNN)を用いた意味セグメンテーションは,心臓MR画像における心筋セグメンテーションを含む多くの医用画像セグメンテーションタスクのための最先端技術である。しかし,そのような標準CNNから得られた予測セグメンテーションマップは,地域壁厚さのような地域形状特性の直接定量化を許さない。さらに,CNNは明確な形状制約を欠き,時には非現実的なセグメンテーションをもたらす。本論文では,画像の訓練セットから学習された心筋の根底にある統計的形状モデルの形状パラメータを予測するためにCNNを用いた。さらに,心筋輪郭を再構成できる心臓姿勢を予測した。統合形状モデルは予測輪郭を正則化し,現実的な形状を保証する。2つの予測表現の間の一貫性を課すために2つの損失関数を定義して,1つの距離ベースの損失と1つのオーバラップベースの損失を課すために,2つの損失関数を定義することによって,形状および姿勢予測のロバスト性を強制した。著者らは,75人の被験者とACDCとLVQuan19の公開データセットで,インハウス臨床データセットの5倍交差検証で提案した方法を評価した。形状パラメータの予測のために,同時意味セグメンテーションと二つの新しく定義された損失関数の利点を示した。著者らの方法は,3つのデータセットの左心室(LV)面積の99%と,心筋面積の91%と97%の間,LV寸法の98~99%,および地域壁厚の80%と92%の間の相関関係を達成した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

医用画像処理 , パターン認識

, , , , , , , ,

前のページに戻る