論文の概要: Knee Injury Detection using MRI with Efficiently-Layered Network (ELNet)
- arxiv url: http://arxiv.org/abs/2005.02706v3
- Date: Wed, 30 Sep 2020 08:14:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 06:08:18.528644
- Title: Knee Injury Detection using MRI with Efficiently-Layered Network (ELNet)
- Title（参考訳）: ニューラルネットワーク(ELNet)を用いたMRIによる膝関節損傷検出
- Authors: Chen-Han Tsai, Nahum Kiryati, Eli Konen, Iris Eshed, Arnaldo Mayer
- Abstract要約: 本稿では,三肢MRIの早期診断に最適化された畳み込みニューラルネットワーク(CNN)アーキテクチャであるELNetを提案する。
提案されたモデルは、非常に軽量($1MB)なので、実際の臨床環境でのトレーニングやデプロイが容易である。
- 参考スコア（独自算出の注目度）: 1.8374319565577157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Magnetic Resonance Imaging (MRI) is a widely-accepted imaging technique for
knee injury analysis. Its advantage of capturing knee structure in three
dimensions makes it the ideal tool for radiologists to locate potential tears
in the knee. In order to better confront the ever growing workload of
musculoskeletal (MSK) radiologists, automated tools for patients' triage are
becoming a real need, reducing delays in the reading of pathological cases. In
this work, we present the Efficiently-Layered Network (ELNet), a convolutional
neural network (CNN) architecture optimized for the task of initial knee MRI
diagnosis for triage. Unlike past approaches, we train ELNet from scratch
instead of using a transfer-learning approach. The proposed method is validated
quantitatively and qualitatively, and compares favorably against
state-of-the-art MRNet while using a single imaging stack (axial or coronal) as
input. Additionally, we demonstrate our model's capability to locate tears in
the knee despite the absence of localization information during training.
Lastly, the proposed model is extremely lightweight ($<$ 1MB) and therefore
easy to train and deploy in real clinical settings. The code for our model is
provided at: https://github.com/mxtsai/ELNet.
- Abstract（参考訳）: 磁気共鳴イメージング(MRI)は膝関節損傷解析のための広く受け入れられている画像技術である。
膝の構造を3次元で捉えることの利点は、放射線技師が膝の潜在的な涙を見つけるのに理想的な道具である。
筋骨格(MSK)放射線科医の作業負荷の増大に対処するためには、患者のトリアージのための自動化ツールが本当に必要となり、疾患の読影の遅れが軽減されている。
本研究では,三肢MRIの早期診断に最適化された畳み込みニューラルネットワーク(CNN)アーキテクチャであるELNetを提案する。
従来のアプローチとは異なり、転送学習アプローチではなく、ゼロからELNetをトレーニングします。
提案手法は定量的に定性的に検証され,入力として1枚のイメージングスタック(軸あるいはコロナ)を使用しながら,最先端のMRNetと良好に比較する。
また,トレーニング中に局所的な情報がないにもかかわらず,膝の裂け目を見つけるためのモデルの能力を示す。
最後に、提案モデルは非常に軽量($1MB)であるため、実際の臨床環境でのトレーニングやデプロイが容易である。
私たちのモデルのコードは以下の通りです。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Video4MRI: An Empirical Study on Brain Magnetic Resonance Image
Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。
本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。
効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
論文 参考訳（メタデータ） (2023-02-24T15:26:31Z) - Synthetic Low-Field MRI Super-Resolution Via Nested U-Net Architecture [0.0]
本研究の目的は、低磁場MRIスキャンのSNRと画像品質を改善し、診断能力を向上することである。
我々は,従来提案していた深層学習手法を,平均PSNR78.83,SSIM0.9551で上回るNested U-Netニューラルネットワークアーキテクチャ超解法を提案する。
論文 参考訳（メタデータ） (2022-11-28T04:09:21Z) - GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。
これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。
我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
論文 参考訳（メタデータ） (2022-07-18T06:01:29Z) - Give me a knee radiograph, I will tell you where the knee joint area is:
a deep convolutional neural network adventure [5.92701972981462]
本研究は, 膝関節領域の自律的検出, 局所化, 分類のための高精度かつ効果的なパイプラインを提案する。
本研究は, 深層学習コンピュータビジョンコミュニティから, この実用的, 臨床的応用へのさらなる関心を喚起することが期待される。
論文 参考訳（メタデータ） (2022-02-11T00:46:37Z) - Optimising Knee Injury Detection with Spatial Attention and Validating
Localisation Ability [0.5772546394254112]
この研究は、膝の外傷検出を最適化するための空間的注意ブロックを備えた、事前訓練された多視点畳み込みニューラルネットワーク(CNN)を用いている。
画像レベルのラベルが付いたオープンソースのMRIデータセットを用いて解析を行った。
論文 参考訳（メタデータ） (2021-08-18T13:24:17Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Accurate and Efficient Intracranial Hemorrhage Detection and Subtype
Classification in 3D CT Scans with Convolutional and Long Short-Term Memory
Neural Networks [20.4701676109641]
RSNA頭蓋内出血検出のためのシステムについて紹介する。
提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。
最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
論文 参考訳（メタデータ） (2020-08-01T17:28:25Z) - MRI Super-Resolution with GAN and 3D Multi-Level DenseNet: Smaller,
Faster, and Better [16.65044022241517]
高分解能(HR)磁気共鳴画像(MRI)は、臨床応用において診断に重要な詳細な解剖情報を提供する。
HR MRIは通常、長時間のスキャン、空間被覆の小さい、信号対雑音比(SNR)のコストがかかる。
近年の研究では、ディープ畳み込みニューラルネットワーク(CNN)を用いて、単一画像超解像(SISR)アプローチにより、低解像度(LR)入力からHRジェネリックイメージを復元できることが示されている。
論文 参考訳（メタデータ） (2020-03-02T22:07:56Z)
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。