論文の概要: Image Processing and Quality Control for Abdominal Magnetic Resonance Imaging in the UK Biobank

• arxiv url: http://arxiv.org/abs/2007.01251v2
• Date: Thu, 16 Jul 2020 07:29:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 14:53:01.413332
• Title: Image Processing and Quality Control for Abdominal Magnetic Resonance Imaging in the UK Biobank
• Title（参考訳）: 英国バイオバンクにおける腹部磁気共鳴画像の画像処理と品質管理
• Authors: Nicolas Basty, Yi Liu, Madeleine Cule, E. Louise Thomas, Jimmy D. Bell and Brandon Whitcher
• Abstract要約: 最初の38,971人の参加者に対して,英国バイオバンクで使用される腹部MRIプロトコルについて,エンドツーエンドの画像解析パイプラインを提示する。 2点のディクソン買収の約98.1%が順調に処理され、品質管理に合格した。 参加者の1.8%で少なくとも1つの脂肪水スワップが検出された。
• 参考スコア（独自算出の注目度）: 1.8301039814377884
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An end-to-end image analysis pipeline is presented for the abdominal MRI protocol used in the UK Biobank on the first 38,971 participants. Emphasis is on the processing steps necessary to ensure a high-level of data quality and consistency is produced in order to prepare the datasets for downstream quantitative analysis, such as segmentation and parameter estimation. Quality control procedures have been incorporated to detect and, where possible, correct issues in the raw data. Detection of fat-water swaps in the Dixon series is performed by a deep learning model and corrected automatically. Bone joints are predicted using a hybrid atlas-based registration and deep learning model for the shoulders, hips and knees. Simultaneous estimation of proton density fat fraction and transverse relaxivity (R2*) is performed using both the magnitude and phase information for the single-slice multiecho series. Approximately 98.1% of the two-point Dixon acquisitions were successfully processed and passed quality control, with 99.98% of the high-resolution T1-weighted 3D volumes succeeding. Approximately 99.98% of the single-slice multiecho acquisitions covering the liver were successfully processed and passed quality control, with 97.6% of the single-slice multiecho acquisitions covering the pancreas succeeding. At least one fat-water swap was detected in 1.8% of participants. With respect to the bone joints, approximately 3.3% of participants were missing at least one knee joint and 0.8% were missing at least one shoulder joint. For the participants who received both single-slice multiecho acquisition protocols for the liver a systematic difference between the two protocols was identified and modeled using multiple linear regression. The findings presented here will be invaluable for scientists who seek to use image-derived phenotypes from the abdominal MRI protocol.
• Abstract（参考訳）: 最初の38,971人の参加者に対して,英国バイオバンクで使用される腹部MRIプロトコルについて,エンドツーエンドの画像解析パイプラインを提示する。 セグメンテーションやパラメータ推定といった下流の定量的分析のためのデータセットを作成するために、高レベルのデータ品質と一貫性を確実にするために必要な処理ステップに重点を置いている。 生データの問題を検知し、可能であれば修正するために品質管理手順が導入された。 ディープラーニングモデルによりディクソン系列中の脂肪水スワップの検出を行い、自動的に補正する。 骨関節は, 肩, 腰, 膝に対するハイブリッドアトラスによる登録と深層学習モデルを用いて予測される。 単スライスマルチエチョ級数の大きさおよび位相情報を用いて, プロトン密度脂肪分率と横緩和率(R2*)の同時推定を行う。 2点のディクソン買収の約98.1%が処理に成功し、品質管理に合格し、高解像度のT1重み付き3Dボリュームの99.98%が成功した。 肝臓を覆う1本スライスのマルチエコー買収の約99.98%が処理に成功し、品質管理に合格し、97.6%が膵臓を覆っている。 参加者の1.8%で少なくとも1つの脂肪水スワップが検出された。 骨関節に関しては、参加者の約3.3%が少なくとも1つの膝関節を欠席し、0.8%が少なくとも1つの肩関節を欠席した。 肝に対する2つのシングルスライスマルチエチョ取得プロトコルを受信した被験者に対して,2つのプロトコルの系統的差異を同定し,複数の線形回帰を用いてモデル化した。 腹部mriプロトコルから画像由来の表現型を使おうとする科学者にとって、ここでの知見は貴重なものとなる。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• A Cascaded Approach for ultraly High Performance Lesion Detection and False Positive Removal in Liver CT Scans [15.352636778576171]
  肝臓がんは世界中で高い死亡率と死亡率を持っている。 CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。 本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
  論文  参考訳（メタデータ） (2023-06-28T09:11:34Z)
• Mediastinal Lymph Node Detection and Segmentation Using Deep Learning [1.7188280334580195]
  臨床ではCT(Computed tomography)とPET(positron emission tomography)が異常リンパ節(LN)を検出する 深層畳み込みニューラルネットワークは、しばしば医療写真にアイテムを分割する。 良質な深層学習手法であるUNetは、縦隔リンパ節の分節と検出のための戦略に基づいて、双線形および全一般化変異(TGV)を用いて修正された。 修正されたUNetはテクスチャの不連続を維持し、ノイズの多い領域を選択し、バックプロパゲーションを通じて適切なバランスポイントを検索し、画像の解像度を再現する。
  論文  参考訳（メタデータ） (2022-11-24T02:55:20Z)
• Accelerated and Quantitative 3D Semisolid MT/CEST Imaging using a Generative Adversarial Network (GAN-CEST) [0.0]
  GAN-CEST(Generative Adversarial Network supervised framework)は、入力データ空間から定量的な交換パラメータ空間へのマッピングを学習するために訓練された。 GAN-CESTは、定量半固体MT/CESTマッピングの取得時間を著しく短縮することができる。
  論文  参考訳（メタデータ） (2022-07-22T18:52:27Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)
• 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)
• 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 [47.187609203210705]
  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。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)
• MCMC Guided CNN Training and Segmentation for Pancreas Extraction [13.264181188509266]
  膵臓は、形状、大きさ、位置の解剖学的多様性が高い。 提案手法は,Markov Chain Monte Carlo (MCMC) サンプリング誘導畳み込みニューラルネットワーク (CNN) を用いた。 本法は, 腹部造影CT82巻を含むNIH膵データセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-03-09T06:27:08Z)

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。