論文の概要: Using Generative Models for Pediatric wbMRI

• arxiv url: http://arxiv.org/abs/2006.00727v1
• Date: Mon, 1 Jun 2020 05:29:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 06:48:56.416330
• Title: Using Generative Models for Pediatric wbMRI
• Title（参考訳）: 小児wbMRIにおける生成モデルの利用
• Authors: Alex Chang, Vinith M. Suriyakumar, Abhishek Moturu, Nipaporn Tewattanarat, Andrea Doria, Anna Goldenberg
• Abstract要約: 全身磁気共鳴イメージング(wbMRI)は、いくつかの確立されたスクリーニングプロトコルの不可欠な部分である。 これまで、機械学習(ML)は、成人がん患者を舞台にwbMRI画像に使われてきた。 成長に伴う骨信号の変化, 運動やコンプライアンスの制限, 陽性例の稀さなどにより, 小児科ではこのようなツールの使用は不可能である。 トロントのシック・チルドレン病院でwbMRIデータをトレーニングしたGAN(Generative Adversarial Network)を用いたwbMRI画像の品質評価を行った。
• 参考スコア（独自算出の注目度）: 7.153604636257284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early detection of cancer is key to a good prognosis and requires frequent testing, especially in pediatrics. Whole-body magnetic resonance imaging (wbMRI) is an essential part of several well-established screening protocols, with screening starting in early childhood. To date, machine learning (ML) has been used on wbMRI images to stage adult cancer patients. It is not possible to use such tools in pediatrics due to the changing bone signal throughout growth, the difficulty of obtaining these images in young children due to movement and limited compliance, and the rarity of positive cases. We evaluate the quality of wbMRI images generated using generative adversarial networks (GANs) trained on wbMRI data from The Hospital for Sick Children in Toronto. We use the Frchet Inception Distance (FID) metric, Domain Frchet Distance (DFD), and blind tests with a radiology fellow for evaluation. We demonstrate that StyleGAN2 provides the best performance in generating wbMRI images with respect to all three metrics.
• Abstract（参考訳）: 早期がんの検出は良好な予後の鍵であり、特に小児科における頻繁な検査を必要とする。 全身核磁気共鳴イメージング(wbMRI)は、いくつかの確立されたスクリーニングプロトコルの重要な部分であり、幼少期からスクリーニングを開始する。 これまで、機械学習(ML)は、成人がん患者を舞台にwbMRI画像に使われてきた。 成長に伴う骨信号の変化, 運動やコンプライアンスの制限, 陽性例の稀さなどにより, 小児科ではこのようなツールの使用は不可能である。 トロント市にある小児病棟のwbmriデータを用いたgans(generative adversarial network)を用いたwbmri画像の品質評価を行った。 我々は、Frchet Inception Distance(FID)測定値、Domain Frchet Distance(DFD)測定値、および放射線学仲間とのブラインドテストを用いて評価を行った。 我々は,StyleGAN2が3つの指標すべてに対して,wbMRI画像を生成する上で最高のパフォーマンスを提供することを示した。

関連論文リスト

• Accelerated, Robust Lower-Field Neonatal MRI with Generative Models [2.508200203858861]
  新生児MRI(Neonatal Magnetic Resonance Imaging)は、早期発達期における脳の異常の非侵襲的評価を可能にする。 近年、新生児集中治療ユニット(NICU)の移植性とアクセスのために磁場強度をトレードオフする低磁場(すなわち1.5テスラ以下)MRIシステムへの関心が高まっている。 この研究は、拡散に基づく生成モデルと信号処理に基づくモーションモデリングにより、運動堅牢性を改善し、低磁場新生児MRIを加速する。
  論文  参考訳（メタデータ） (2024-10-28T23:12:09Z)
• Bilateral Hippocampi Segmentation in Low Field MRIs Using Mutual Feature Learning via Dual-Views [0.0]
  低磁場MRIはよりアクセスしやすく、費用対効果が高いため、小児の鎮静は不要である。 低磁場MRIにおける両側海馬の自動セグメンテーションのための新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-10-23T02:00:07Z)
• Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
  マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。 現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。 テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
  論文  参考訳（メタデータ） (2024-09-25T11:14:47Z)
• 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)
• Generative AI for Rapid Diffusion MRI with Improved Image Quality, Reliability and Generalizability [3.6119644566822484]
  我々は,Human Connectome Projectデータに基づいて訓練されたSwin UNEt Transformersモデルを用いて,dMRIの一般化復調を行う。 成人健常者におけるHCPデータを用いた超解像実験を行った。 高速拡散テンソル画像の精度と信頼性は,90秒のスキャン時間しか必要としない。
  論文  参考訳（メタデータ） (2023-03-10T03:39:23Z)
• 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)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• A Long Short-term Memory Based Recurrent Neural Network for Interventional MRI Reconstruction [50.1787181309337]
  本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。 提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
  論文  参考訳（メタデータ） (2022-03-28T14:03:45Z)
• Implementation of Convolutional Neural Network Architecture on 3D Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
  磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。 提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。 提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
  論文  参考訳（メタデータ） (2021-12-29T16:47:52Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• 3D Reconstruction and Segmentation of Dissection Photographs for MRI-free Neuropathology [2.4984854046383624]
  脳郭清画像から全脳像量を再構成・分画する手法を提案する。 3次元再構成は、MRI以外の参照ボリュームを使用する共同登録フレームワークによって達成される。 我々は,Diceスコアとボリューム相関を用いて,24脳のデータセット上で本手法の評価を行った。
  論文  参考訳（メタデータ） (2020-09-11T18:21:00Z)

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。