論文の概要: Semi-Supervised Learning for Fetal Brain MRI Quality Assessment with ROI consistency

• arxiv url: http://arxiv.org/abs/2006.12704v1
• Date: Tue, 23 Jun 2020 02:40:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 23:37:34.529483
• Title: Semi-Supervised Learning for Fetal Brain MRI Quality Assessment with ROI consistency
• Title（参考訳）: ROI一貫性を用いた胎児脳MRI品質評価のための半教師付き学習
• Authors: Junshen Xu, Sayeri Lala, Borjan Gagoski, Esra Abaci Turk, P. Ellen Grant, Polina Golland, Elfar Adalsteinsson
• Abstract要約: T2強調胎児脳MRIの現在のプロトコルは、運動に対して堅牢ではない。 脳の容積スキャン中に人工物でスライスを検出する半教師付き深層学習法を提案する。 提案手法は、モデル精度を約6%向上させ、他の最先端の半教師あり学習法より優れる。
• 参考スコア（独自算出の注目度）: 1.7757605747890044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fetal brain MRI is useful for diagnosing brain abnormalities but is challenged by fetal motion. The current protocol for T2-weighted fetal brain MRI is not robust to motion so image volumes are degraded by inter- and intra- slice motion artifacts. Besides, manual annotation for fetal MR image quality assessment are usually time-consuming. Therefore, in this work, a semi-supervised deep learning method that detects slices with artifacts during the brain volume scan is proposed. Our method is based on the mean teacher model, where we not only enforce consistency between student and teacher models on the whole image, but also adopt an ROI consistency loss to guide the network to focus on the brain region. The proposed method is evaluated on a fetal brain MR dataset with 11,223 labeled images and more than 200,000 unlabeled images. Results show that compared with supervised learning, the proposed method can improve model accuracy by about 6\% and outperform other state-of-the-art semi-supervised learning methods. The proposed method is also implemented and evaluated on an MR scanner, which demonstrates the feasibility of online image quality assessment and image reacquisition during fetal MR scans.
• Abstract（参考訳）: 胎児脳MRIは脳の異常の診断に有用であるが、胎児の運動に障害がある。 t2強調型胎児脳mriの現在のプロトコルは動作にロバストではないため、画像ボリュームはスライス間およびスライス内の動きアーチファクトによって劣化する。 さらに、胎児のMR画像品質評価のための手動アノテーションは通常、時間を要する。 そこで本研究では,脳の容積スキャン中に人工物でスライスを検出する半教師付き深層学習法を提案する。 提案手法は,平均教師モデルに基づいて,生徒と教師のモデル間の一貫性をイメージ全体に強制するだけでなく,ネットワークを脳領域に集中させるためのroi一貫性損失を導入する。 11,223個のラベル付き画像と20万以上のラベル付き画像を含む胎児脳mrデータセットを用いて,提案法を評価した。 その結果,教師付き学習と比較して,提案手法はモデルの精度を約6\%向上させ,他の教師付き半教師付き学習法よりも優れることがわかった。 また, 胎児のMRスキャンにおいて, オンライン画像品質評価と画像再取得の可能性を示すMRスキャナの実装と評価を行った。

関連論文リスト

• A CNN Approach to Automated Detection and Classification of Brain Tumors [0.0]
  本研究の目的は、提供されたMRIデータを分析して、健康な脳組織と脳腫瘍を分類することである。 モデル作成に使用されるデータセットは、3,264個の脳MRIスキャンを含む、一般にアクセス可能で検証された脳腫瘍分類(MRI)データベースである。
  論文  参考訳（メタデータ） (2025-02-13T19:33:26Z)
• Bidirectional Brain Image Translation using Transfer Learning from Generic Pre-trained Models [0.0]
  医療分野では、ラベル付き医療画像を取得することは労働集約的で費用がかかるため、データの不足に対処することが大きな課題である。 近年の研究では、この問題を克服するためにトランスファーラーニング(transfer learning)が提案されている。 本研究では,MR-CT画像翻訳の課題に対して,転送学習を適用した。
  論文  参考訳（メタデータ） (2025-01-21T20:30:15Z)
• Anatomically Constrained Tractography of the Fetal Brain [6.112565873653592]
  我々は,dMRI空間内での胎児脳組織の正確な分画に基づく解剖学的拘束性トラクトグラフィーを提唱する。 独立試験データを用いて実験したところ、この方法は胎児の脳組織を正確に分画し、トラクトグラフィーの結果を大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2024-03-04T19:56:19Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• 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)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• RGMIM: Region-Guided Masked Image Modeling for Learning Meaningful Representations from X-Ray Images [49.24576562557866]
  X線画像から意味のある表現を学習するための領域誘導マスク画像モデリング(RGMIM)を提案する。 RGMIMは、トレーニングセットの5%や10%といった小さなデータボリュームのパフォーマンスを、他の方法と比較して大幅に改善した。
  論文  参考訳（メタデータ） (2022-11-01T07:41:03Z)
• 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)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• Assessing Lesion Segmentation Bias of Neural Networks on Motion Corrupted Brain MRI [3.9694334747397484]
  病変分割タスクに係わるニューラルネットワークの性能に、異なるレベルの運動アーティファクトが与える影響を定量化する。 この結果から,カリキュラム学習を用いて学習したネットワークは,異なるレベルの運動アーティファクトの補償に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-12T21:06:40Z)
• Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network [18.433956246011466]
  本研究では,運動ブラスト心画像から空間的特徴と時間的特徴を同時に抽出するリカレントニューラルネットワークを提案する。 実験の結果,2つの臨床検査データセットの画質が有意に向上した。
  論文  参考訳（メタデータ） (2020-06-23T01:55:57Z)

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。