文献

J-GLOBAL ID：202202263665090087   整理番号：22A0446446

臨床シネCMRからの先端および基底スライスの改良AIベースセグメンテーション【JST・京大機械翻訳】

Improved AI-Based Segmentation of Apical and Basal Slices from Clinical Cine CMR

著者 (9件)： Mariscal-Harana Jorge (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Kifle Naomi (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Razavi Reza (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Razavi Reza (Department of Adult and Paediatric Cardiology, Guy’s and St Thomas’ NHS Foundation Trust, London, UK) ,  King Andrew P. (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Ruijsink Bram (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK) ,  Ruijsink Bram (Department of Adult and Paediatric Cardiology, Guy’s and St Thomas’ NHS Foundation Trust, London, UK) ,  Ruijsink Bram (Department of Cardiology, Heart and Lung Division, University Medical Center Utrecht, Utrecht, The Netherlands) ,  Puyol-Anton Esther (School of Biomedical Engineering and Imaging Sciences, King’s College London, London, UK)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13131  ページ： 84-92  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 短軸心臓磁気共鳴(CMR)セグメンテーションのための現在の人工知能(AI)アルゴリズムは,心臓の中央に位置するスライスのヒト性能を達成する。しかしながら,しばしば過剰に見える事実は,基底および先端スライスのセグメンテーションがより困難であることである。手動分析の間,基礎セグメンテーションにおける差異は,ヒト観察者間変動性における不一致の主要源の1つとして報告されている。本研究では,基底および先端スライスのセグメンテーションにおけるAIアルゴリズムの性能とそのセグメンテーションを改善するための設計戦略を検討した。2つのNHS病院(n=4,228)から得た臨床CMR研究の大規模データセットに関するすべてのモデルを訓練し,ACDC(n=100)とM&M(n=321)の2つの外部データセットに対して評価した。参照として手動セグメンテーションを用いて,CMRスライスを4つの領域のうちの1つに割り当てた:非心臓,ベース,中間,および頂点。ベースラインとしてΔnnU-Netのフレームワークを用いて,心臓領域間のセグメンテーション性能ギャップを低減するための2つの異なるアプローチを検討した。(1)非均一バッチサンプリングは,異なる領域からの画像が訓練中にどのように見られるかを選択できる;(2)心臓領域分類モデル,続いて3つ(すなわち,ベース,中間,および頂点)領域特異的セグメンテーションモデル。分類とセグメンテーション手法が,すべてのデータセットにわたって性能ギャップを減らすのに最良であることを示した。また,分類性能の改善により,セグメンテーションタスクにおいて著しく優れた性能が得られることも示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  磁気共鳴 ,  *セグメンテーション ,  基底 ,  心臓 ,  ヒト ,  人工知能 ,  基準線
準シソーラス用語： 設計戦略 ,  大規模データセット ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 心臓磁気共鳴 ,  深層学習 ,  セグメンテーション ,  クラス不均衡

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 臨床 ,  基底 ,  スライス ,  AI ,  セグメンテーション