論文の概要: A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics

• arxiv url: http://arxiv.org/abs/2005.06833v2
• Date: Mon, 18 May 2020 12:46:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 05:22:38.662339
• Title: A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics
• Title（参考訳）: T$2$-weighted image of a customd MR pelvic phantom set for robust radiomic model in clinic の放射線学的特徴に関する多施設共同研究
• Authors: Linda Bianchini, Joao Santinha, Nuno Lou\c{c}\~ao, Mario Figueiredo, Francesca Botta, Daniela Origgi, Marta Cremonesi, Enrico Cassano, Nikolaos Papanikolaou and Alessandro Lascialfari
• Abstract要約: 骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
• 参考スコア（独自算出の注目度）: 47.187609203210705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study we investigated the repeatability and reproducibility of radiomic features extracted from MRI images and provide a workflow to identify robust features. 2D and 3D T$_2$-weighted images of a pelvic phantom were acquired on three scanners of two manufacturers and two magnetic field strengths. The repeatability and reproducibility of the radiomic features were assessed respectively by intraclass correlation coefficient (ICC) and concordance correlation coefficient (CCC), considering repeated acquisitions with or without phantom repositioning, and with different scanner/acquisition type, and acquisition parameters. The features showing ICC/CCC > 0.9 were selected, and their dependence on shape information (Spearman's $\rho$> 0.8) was analyzed. They were classified for their ability to distinguish textures, after shuffling voxel intensities. From 944 2D features, 79.9% to 96.4% showed excellent repeatability in fixed position across all scanners. Much lower range (11.2% to 85.4%) was obtained after phantom repositioning. 3D extraction did not improve repeatability performance. Excellent reproducibility between scanners was observed in 4.6% to 15.6% of the features, at fixed imaging parameters. 82.4% to 94.9% of features showed excellent agreement when extracted from images acquired with TEs 5 ms apart (values decreased when increasing TE intervals) and 90.7% of the features exhibited excellent reproducibility for changes in TR. 2.0% of non-shape features were identified as providing only shape information. This study demonstrates that radiomic features are affected by specific MRI protocols. The use of our radiomic pelvic phantom allowed to identify unreliable features for radiomic analysis on T$_2$-weighted images. This paper proposes a general workflow to identify repeatable, reproducible, and informative radiomic features, fundamental to ensure robustness of clinical studies.
• Abstract（参考訳）: 本研究では,MRI画像から抽出した放射能特徴の再現性と再現性を検討した。 骨盤ファントムの2Dおよび3D T$_2$-weighted画像は2つのメーカーの3つのスキャナーと2つの磁場強度で得られた。 放射線学的特徴の再現性および再現性は, 分類内相関係数 (ICC) とコンコータンス相関係数 (CCC) で評価され, ファントム再配置の有無, スキャナー/取得タイプ, 取得パラメータが異なっていた。 ICC/CCC > 0.9 の特徴を抽出し,形状情報(Spearman's $\rho$> 0.8)に依存した。 ボクセル強度をシャッフルした後、テクスチャを識別する能力で分類された。 944の2D特徴から79.9%から96.4%は全てのスキャナーの固定位置において優れた再現性を示した。 さらに低い範囲(11.2%から85.4%)がファントム再配置後に得られた。 3次元抽出では再現性は向上しなかった。 スキャナー間の再現性が4.6%から15.6%、固定された画像パラメータで観察された。 特徴の82.4%から94.9%は、TEs 5ms間隔で取得した画像から抽出した画像(TE間隔を増すと値が下がった)から優れた一致を示し、特徴の90.7%はTRの変化に対して優れた再現性を示した。 形状情報のみを提供する非形状特徴の2.0%が同定された。 本研究は, 放射線学的特徴が特定のMRIプロトコルによって影響を受けることを示す。 T$2$-weighted画像上の放射能解析において, 信頼性の低い特徴を同定することができた。 本稿では, 臨床研究の堅牢性を確保するために, 再現性, 再現性, 情報的特徴を同定するための一般的なワークフローを提案する。

関連論文リスト

• Capsule Endoscopy Multi-classification via Gated Attention and Wavelet Transformations [1.5146068448101746]
  消化管の異常は患者の健康に大きく影響を与え、タイムリーな診断が必要である。 この研究は、ビデオフレームから消化管の異常を分類するために設計された新しいモデルの開発と評価のプロセスを示す。 Omni次元のGated Attention(OGA)機構とWavelet変換技術をモデルアーキテクチャに統合することで、モデルは最も重要な領域に集中することができた。 このモデルの性能は、VGG16とResNet50の2つのベースモデルに対してベンチマークされ、胃腸の異常範囲を正確に識別し分類する能力の強化が示されている。
  論文  参考訳（メタデータ） (2024-10-25T08:01:35Z)
• Radiomics as a measure superior to the Dice similarity coefficient for tumor segmentation performance evaluation [0.0]
  本研究は, 医師のセグメンテーション能力と自動セグメンテーションツールを評価するための優れた尺度として, 放射能の特徴を提案する。 放射線の特徴、特に形状とエネルギーに関連するものは、Dice similarity Coefficient (DSC)とは異なり、腫瘍のセグメンテーション特性の微妙な変化を捉えることができる。 発見は、これらの新しい指標が、新しい自己隔離法を評価し、医療セグメント化における個人のトレーニングを強化するために使われることを示唆している。
  論文  参考訳（メタデータ） (2023-10-30T21:50:08Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Lightweight 3D Convolutional Neural Network for Schizophrenia diagnosis using MRI Images and Ensemble Bagging Classifier [1.487444917213389]
  本稿では,MRI画像を用いた統合失調症診断のための軽量3次元畳み込みニューラルネットワーク(CNN)フレームワークを提案する。 精度は92.22%、感度94.44%、特異度90%、精度90.43%、リコール94.44%、F1スコア92.39%、G平均92.19%である。
  論文  参考訳（メタデータ） (2022-11-05T10:27:37Z)
• Open-radiomics: A Collection of Standardized Datasets and a Technical Protocol for Reproducible Radiomics Machine Learning Pipelines [0.0]
  オープンラジオミクス、一連のラジオミクスデータセット、包括的なラジオミクスパイプラインを紹介する。 BraTS 2020オープンソースMR(Magnetic Resonance Imaging)データセットで実験が行われた。 binWidthや画像正規化とは異なり,腫瘍の亜領域と画像の配列はモデルの性能に大きく影響した。
  論文  参考訳（メタデータ） (2022-07-29T16:37:46Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using Quantitative Features from Chest CT Images [54.919022945740515]
  本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。 ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。 新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
  論文  参考訳（メタデータ） (2020-03-26T15:49:32Z)
• Using a Generative Adversarial Network for CT Normalization and its Impact on Radiomic Features [3.4548443472506194]
  放射線学的特徴は、線量レベルとスライス厚さの違いによる取得の違いに敏感である。 減線量,厚みスライス (2.0mm) 画像を正常線量 (100%) , 薄いスライス (1.0mm) 画像に正規化するために, GAN (3D Generative Adversarial Network) を用いた。
  論文  参考訳（メタデータ） (2020-01-22T23:41:29Z)

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。