論文の概要: Accelerating Prostate Diffusion Weighted MRI using Guided Denoising
Convolutional Neural Network: Retrospective Feasibility Study
- arxiv url: http://arxiv.org/abs/2007.00121v1
- Date: Tue, 30 Jun 2020 21:44:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 06:34:19.800333
- Title: Accelerating Prostate Diffusion Weighted MRI using Guided Denoising
Convolutional Neural Network: Retrospective Feasibility Study
- Title（参考訳）: ガイド型畳み込み畳み込みニューラルネットワークを用いた前立腺拡散強調MRIの高速化
- Authors: Elena A. Kaye, Emily A. Aherne, Cihan Duzgol, Ida H\"aggstr\"om, Erich
Kobler, Yousef Mazaheri, Maggie M Fung, Zhigang Zhang, Ricardo Otazo, Herbert
A. Vargas, Oguz Akin
- Abstract要約: 前立腺拡散強調イメージング(DWI)の実現可能性について、取得した平均値の数を減らし、提案したガイドデノナイジングニューラルネットワーク(DnCNN)を用いて得られた画像をデノナイジングすることで検討する。
- 参考スコア（独自算出の注目度）: 0.943752184064214
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Purpose: To investigate feasibility of accelerating prostate
diffusion-weighted imaging (DWI) by reducing the number of acquired averages
and denoising the resulting image using a proposed guided denoising
convolutional neural network (DnCNN). Materials and Methods: Raw data from the
prostate DWI scans were retrospectively gathered (between July 2018 and July
2019) from six single-vendor MRI scanners. 118 data sets were used for training
and validation (age: 64.3 +- 8 years) and 37 - for testing (age: 65.1 +- 7.3
years). High b-value diffusion-weighted (hb-DW) data were reconstructed into
noisy images using two averages and reference images using all sixteen
averages. A conventional DnCNN was modified into a guided DnCNN, which uses the
low b-value DWI image as a guidance input. Quantitative and qualitative reader
evaluations were performed on the denoised hb-DW images. A cumulative link
mixed regression model was used to compare the readers scores. The agreement
between the apparent diffusion coefficient (ADC) maps (denoised vs reference)
was analyzed using Bland Altman analysis. Results: Compared to the DnCNN, the
guided DnCNN produced denoised hb-DW images with higher peak signal-to-noise
ratio and structural similarity index and lower normalized mean square error (p
< 0.001). Compared to the reference images, the denoised images received higher
image quality scores (p < 0.0001). The ADC values based on the denoised hb-DW
images were in good agreement with the reference ADC values. Conclusion:
Accelerating prostate DWI by reducing the number of acquired averages and
denoising the resulting image using the proposed guided DnCNN is technically
feasible.
- Abstract（参考訳）: 目的: 前立腺拡散強調画像(DWI)の獲得平均数を減らし,得られた画像をDnCNN(ガイドデノナイジング畳み込み畳み込みニューラルネットワーク)を用いてデノナイズし,実現可能性を検討すること。
材料と方法: 前立腺DWIスキャンの生データは、2018年7月から2019年7月にかけて、6つの単一ベンダーMRIスキャナーから振り返って収集された。
118データセットはトレーニングと検証(年齢:64.3+-8年)とテスト(年齢:65.1+-7.3年)に使用された。
高b値拡散重み付き(hb-DW)データを2つの平均値と16つの平均値を用いてノイズ画像に再構成した。
従来のDnCNNは、誘導入力として低b値DWI画像を使用するガイド付きDnCNNに修正された。
hb-DW画像の定量化と定性評価を行った。
読み手のスコアを比較するために累積リンク混合回帰モデルを用いた。
Bland Altman 解析により, 見かけ拡散係数 (ADC) マップ (デノテート対参照) の一致を解析した。
結果: dncnnと比較すると,dncnnはピーク信号対雑音比が高く,構造的類似度指数が低く,平均2乗誤差が低かった(p < 0.001)。
基準画像と比較すると,画像は高い画質スコア(p<0.0001)を得た。
hb-DW画像に基づくADC値は基準ADC値とよく一致した。
結論: 得られた平均数を削減し, 提案する誘導型dncnnを用いた画像の非表示化による前立腺dwiの促進は, 技術的に実現可能である。
関連論文リスト
- Cycle-Constrained Adversarial Denoising Convolutional Network for PET Image Denoising: Multi-Dimensional Validation on Large Datasets with Reader Study and Real Low-Dose Data [9.160782425067712]
低線量スキャンから高画質画像を再構成するためのCycle-DCN(Cycle-versa Adrial Denoising Convolutional Network)を提案する。
1,224名の患者から得られた生のPET脳データからなる大規模なデータセットを用いて実験を行った。
サイクルDCNは平均ピーク信号対雑音比(PSNR)、SSIM、正規化ルート平均角誤差(NRMSE)を3つの線量レベルで改善する。
論文 参考訳（メタデータ） (2024-10-31T04:34:28Z) - Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Bi-parametric MRI Datasets [9.237567161183305]
この研究は、9つの異なる画像センターで収集された5,150人の患者(14,191人のサンプル)のデータを含む。
多地点PCa検出のための統一生成モデルを用いた新しいUDA法を開発した。
その結果,多地点PCa病変検出におけるSL法の性能向上が得られた。
論文 参考訳（メタデータ） (2024-08-08T22:20:33Z) - DEMIST: A deep-learning-based task-specific denoising approach for
myocardial perfusion SPECT [17.994633874783144]
MPI SPECT画像(DEMIST)を識別するタスク固有深層学習手法を提案する。
この手法は、デノゲーションを行う一方で、検出タスクにおけるオブザーバのパフォーマンスに影響を与える特徴を保存するように設計されている。
以上の結果から,MPI SPECTで低位像を呈示するDEMISTのさらなる臨床評価が示唆された。
論文 参考訳（メタデータ） (2023-06-07T08:40:25Z) - 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) - Guided Diffusion Model for Adversarial Purification [103.4596751105955]
敵攻撃は、様々なアルゴリズムやフレームワークでディープニューラルネットワーク(DNN)を妨害する。
本稿では,GDMP ( Guided diffusion model for purification) と呼ばれる新しい精製法を提案する。
様々なデータセットにわたる包括的実験において,提案したGDMPは,敵対的攻撃によって引き起こされた摂動を浅い範囲に減少させることを示した。
論文 参考訳（メタデータ） (2022-05-30T10:11:15Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - Convolutional Neural Network to Restore Low-Dose Digital Breast
Tomosynthesis Projections in a Variance Stabilization Domain [15.149874383250236]
畳み込みニューラルネットワーク(CNN)は、低線量(LD)投影を標準的なフル線量(FD)取得と同等の画質に復元するために提案されている。
平均二乗誤差(MNSE)、正規化訓練時間、ノイズ空間相関の点で従来のデータ駆動方式と比較して、ネットワークは優れた結果を得た。
論文 参考訳（メタデータ） (2022-03-22T13:31:47Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z) - Deep High-Resolution Network for Low Dose X-ray CT Denoising [1.1852406625172216]
深層学習技術は低線量CT法(LDCT)に用いられている。
DLデノ化画像の解像度が損なわれ、臨床価値は低下している。
高分解能ネットワーク(HRNet)を導入して,より効率的なデノイザを開発した。
論文 参考訳（メタデータ） (2021-02-01T02:54:29Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z)
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。