文献

J-GLOBAL ID：202202236694491486   整理番号：22A0702382

心臓電気生理学手順におけるX線透視画像雑音除去のためのエッジ強調高密度ネット【JST・京大機械翻訳】

Edge-enhancement densenet for X-ray fluoroscopy image denoising in cardiac electrophysiology procedures

著者 (10件)： Luo Yimin (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Ma Yingliang (School of Computing, Electronics and Mathematics, Coventry University, Coventry, UK) ,  O’ Brien Hugh (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Jiang Kui (School of Computer Science, Wuhan University, Wuhan, China) ,  Kohli Vikram (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Maidelin Sesilia (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Saeed Mahrukh (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Deng Emily (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Pushparajah Kuberan (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Rhode Kawal S. (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK)
資料名： Medical Physics  (Medical Physics)
巻： 49  号： 2  ページ： 1262-1275  発行年： 2022年 
JST資料番号： A1258A  ISSN： 0094-2405  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： PURPOSE:X線線量の低減は心臓電気生理学手順における安全性を増加させるが,画像ノイズとアーチファクトも増加し,それはデバイスと解剖学的手がかりの識別性に影響を及ぼす可能性がある。畳み込みニューラルネットワーク(CNN)に基づく以前の雑音除去法は,低用量X線透視画像の品質の改善を示すが,心臓専門医が必要とする臨床的に重要な詳細を妥協するかもしれない。方法:雑音除去X線透視画像を得るために,詳細を保存しながら,新しい深層学習ベースの雑音除去フレームワーク,すなわち,エッジ強調高密度ネット(EEDN)を提案し,その中で,注意意識エッジ強調モジュールをエッジシャープネスを増加させるように設計した。このフレームワークにおいて,CNNベースの雑音除去器を最初に用いて,初期雑音除去結果を生成した。次に,エッジ情報を表す輪郭を,エッジ特徴表現のために,注意ブロックと一群の相互作用超高密度ブロックを用いて抽出した。最後に,最終的X線画像を生成するために,初期雑音除去結果と強化エッジを結合した。20人の患者から得た100の低用量X線シーケンスから撮影した合計3262の臨床画像で,提案した雑音除去フレームワークを試験した。パフォーマンスは,定量的指標と同様に5人の心臓専門医からのペアワイズ投票によって評価した。さらに,前処理ツールとしてのその影響を調べるために,冠状静脈洞カテーテルを含む416画像を用いてカテーテル検出に対する著者らの技術効果を評価した。結果:EEDNで雑音除去したX線画像の平均信号対雑音比は24.5であり,元の画像より2.2倍高かった。EEDN雑音除去配列からのカテーテル検出の精度は,それらの元の対応物と比較して有意差を示さなかった。さらに,EEDNは,著者らの既存の技術およびオリジナル画像と比較して,著者らの臨床医評価において最も高い平均投票を受けた。結論:提案した深層学習に基づくフレームワークは,雑音除去介入X線透視画像に対する有望な能力を示す。カテーテル検出の結果は,ネットワークが前処理段階として用いるとき,そのようなアルゴリズムの結果に影響しないことを示した。広範な定性的および定量的評価は,ネットワークがカテーテル検査室でリアルタイムで適用されるとき,放射線量を減らすのに有益であるかもしれないことを示唆する。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  *X線 ,  アルゴリズム ,  相互作用 ,  ネットワーク ,  *心臓 ,  鮮鋭度 ,  放射線量 ,  解剖学 ,  カテーテル ,  X線画像 ,  *画像強調 ,  アーチファクト ,  機械学習 ,  *雑音除去
準シソーラス用語： *エッジ強調 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 心臓電気生理学手順 ,  畳込みニューラルネットワーク ,  雑音除去 ,  エッジ強調 ,  X線透視法

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 心臓電気生理学 ,  手順 ,  X線透視画像 ,  雑音除去 ,  エッジ強調 ,  高密度 ,  ネット