Fugu-MT 論文翻訳(概要): Large-scale inference of liver fat with neural networks on UK Biobank body MRI

論文の概要: Large-scale inference of liver fat with neural networks on UK Biobank body MRI

arxiv url: http://arxiv.org/abs/2006.16777v1
Date: Tue, 30 Jun 2020 13:33:30 GMT
ステータス: 処理完了
システム内更新日: 2022-11-15 05:28:31.377814
Title: Large-scale inference of liver fat with neural networks on UK Biobank body MRI
Title（参考訳）: UK Biobank body MRIによる肝脂肪とニューラルネットワークの大規模推定
Authors: Taro Langner, Robin Strand, H{\aa}kan Ahlstr\"om, Joel Kullberg
Abstract要約: 頸部から膝にかけてのMRIによる肝脂肪の自動推定のための新しい枠組みを提案する。 ResNet50は、これらのスキャンから2次元スライスとターゲットとしての基準値の回帰のために訓練された。ネットワークは、脂肪分率値の非線形性を正し、基準値のいくつかの外れ値を特定することを学習した。
参考スコア（独自算出の注目度）: 1.3439502310822151
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The UK Biobank Imaging Study has acquired medical scans of more than 40,000 volunteer participants. The resulting wealth of anatomical information has been made available for research, together with extensive metadata including measurements of liver fat. These values play an important role in metabolic disease, but are only available for a minority of imaged subjects as their collection requires the careful work of image analysts on dedicated liver MRI. Another UK Biobank protocol is neck-to-knee body MRI for analysis of body composition. The resulting volumes can also quantify fat fractions, even though they were reconstructed with a two- instead of a three-point Dixon technique. In this work, a novel framework for automated inference of liver fat from UK Biobank neck-to-knee body MRI is proposed. A ResNet50 was trained for regression on two-dimensional slices from these scans and the reference values as target, without any need for ground truth segmentations. Once trained, it performs fast, objective, and fully automated predictions that require no manual intervention. On the given data, it closely emulates the reference method, reaching a level of agreement comparable to different gold standard techniques. The network learned to rectify non-linearities in the fat fraction values and identified several outliers in the reference. It outperformed a multi-atlas segmentation baseline and inferred new estimates for all imaged subjects lacking reference values, expanding the total number of liver fat measurements by factor six.
Abstract（参考訳）: 英国バイオバンク・イメージング・リサーチは4万人以上のボランティアの医療スキャンを入手した。その結果得られた豊富な解剖学的情報は、肝臓脂肪の測定を含む広範なメタデータとともに研究に利用できるようになった。これらの値は代謝性疾患において重要な役割を担っているが、その収集には専用の肝MRIにおける画像分析者の注意を要するため、少数の被験者にしか利用できない。 UK Biobankのもう1つのプロトコルは、体組成分析のためのネック・トゥ・クニーボディMRIである。結果の体積は、三点ディクソン法の代わりに二点法で再構成されたとしても、脂肪分画の定量化も可能である。本研究は,英国バイオバンクの頸部-膝間MRIによる肝脂肪の自動推定のための新しい枠組みを提案する。 ResNet50は、これらのスキャンから2次元スライスとターゲットとしての参照値の回帰のためにトレーニングされた。トレーニングが完了すると、手作業による介入を必要としない、高速で客観的で完全に自動化された予測を実行する。与えられたデータに基づいて参照メソッドを密にエミュレートし、異なるゴールド標準技術に匹敵するレベルの合意に達する。ネットワークは、脂肪分率値の非線形性を正し、基準値のいくつかの外れ値を特定することを学習した。マルチアトラスのセグメンテーションベースラインを上回り, 基準値の欠如を考慮し, 第6因子による肝脂肪測定の総数を増加させた。

関連論文リスト

Liver Fat Quantification Network with Body Shape [4.642852520437342]
生体形状のみを用いて肝脂肪の割合を推定するディープニューラルネットワークを提案する。提案手法は,フレキシブルベースラインネットワークと軽量アテンションモジュールから構成される。その結果,Root平均二乗誤差(RMSE)が5.26%,R-二乗値が0.8。
論文参考訳（メタデータ） (2024-05-18T20:22:22Z)
Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
論文参考訳（メタデータ） (2023-07-13T10:21:34Z)
Efficient liver segmentation with 3D CNN using computed tomography scans [0.0]
肝腫瘍による肝疾患は、世界で最も一般的な理由の1つである。多くの画像モダリティは、肝腫瘍を検出するための補助ツールとして使用できる。腹部CTから肝を検出・分画する効率的な自動肝分画フレームワークを提案する。
論文参考訳（メタデータ） (2022-08-28T19:02:39Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease [54.69792905238048]
超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-07-27T12:37:19Z)
MIMIR: Deep Regression for Automated Analysis of UK Biobank Body MRI [1.4777718769290527]
UK Biobank(UKB)は50万人以上のボランティアを大規模に調査し、健康関連情報を収集している。医療画像はさらに10万人の被験者を対象とし、70,000回のフォローアップセッションを行い、臓器、筋肉、体組成の測定を可能にしている。本研究は,英国ネック・トゥ・クニー・ボディMRIから対象メタデータの包括的プロファイルを自動的に予測する実験的な推論エンジンを提案する。
論文参考訳（メタデータ） (2021-06-22T13:09:40Z)
Deep regression for uncertainty-aware and interpretable analysis of large-scale body MRI [1.6799377888527687]
英国バイオバンクのような大規模医学研究は、医療画像技術を用いた数千人のボランティア参加者を調査した。回帰のための畳み込みニューラルネットワークによる最近のアプローチは、これらの評価を自動的に行うことができる。英国バイオバンクの4万人以上の被験者のMRIデータについて、これらのシステムは人間の年齢、体組成などを推定することができる。
論文参考訳（メタデータ） (2021-05-17T13:12:20Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)
Universal Loss Reweighting to Balance Lesion Size Inequality in 3D Medical Image Segmentation [50.63623720394348]
ネットワークの小さな病変の検出能力を高めるために,損失再重み付け手法を提案する。 Dice Loss, Focal Loss, Asymmetric similarity Lossなど,よく知られた損失関数に対する本手法の利点を報告する。実験の結果, 逆重み付けは検出品質を著しく向上させる一方で, 最先端のデライン化品質を保っていることがわかった。
論文参考訳（メタデータ） (2020-07-20T12:08:22Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
Large-scale biometry with interpretable neural network regression on UK Biobank body MRI [1.3439502310822151]
イギリスのバイオバンクがMRIで3万2000人以上の被験者を画像化研究の可能性にもかかわらず、この膨大な量のデータは、確立された評価方法への挑戦を示す。この研究では、ネック・トゥ・クニー・ボディMRIから様々な生物学的指標を自動的に推測するために、画像に基づく回帰のためにニューラルネットワークを訓練した。
論文参考訳（メタデータ） (2020-02-17T09:47:58Z)

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。