論文の概要: Enhanced detection of fetal pose in 3D MRI by Deep Reinforcement Learning with physical structure priors on anatomy

• arxiv url: http://arxiv.org/abs/2007.08146v1
• Date: Thu, 16 Jul 2020 07:10:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 23:51:30.077594
• Title: Enhanced detection of fetal pose in 3D MRI by Deep Reinforcement Learning with physical structure priors on anatomy
• Title（参考訳）: 解剖学に基づく深部強化学習による3次元MRIにおける胎児のポーズの高次検出
• Authors: Molin Zhang, Junshen Xu, Esra Abaci Turk, P. Ellen Grant, Polina Golland and Elfar Adalsteinsson
• Abstract要約: MRIで胎児のポーズをリアルタイムで推定することは、胎児の運動アーティファクトを検出し、緩和するための先進的な方法の恩恵を受ける。 深部強化学習(DRL)の最近の進歩は胎児のランドマーク検出に新しいアプローチを提供する。 このタスクでは、DRLにより15のランドマークを同時に検出するために15のエージェントが配置される。 生体内データの3mm解像度のレポジトリにおけるこの手法の評価は、10mmの地中真理の範囲内におけるランドマーク推定の平均精度が87.3%、平均誤差が6.9mmであることを示す。
• 参考スコア（独自算出の注目度）: 1.8648073685057092
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fetal MRI is heavily constrained by unpredictable and substantial fetal motion that causes image artifacts and limits the set of viable diagnostic image contrasts. Current mitigation of motion artifacts is predominantly performed by fast, single-shot MRI and retrospective motion correction. Estimation of fetal pose in real time during MRI stands to benefit prospective methods to detect and mitigate fetal motion artifacts where inferred fetal motion is combined with online slice prescription with low-latency decision making. Current developments of deep reinforcement learning (DRL), offer a novel approach for fetal landmarks detection. In this task 15 agents are deployed to detect 15 landmarks simultaneously by DRL. The optimization is challenging, and here we propose an improved DRL that incorporates priors on physical structure of the fetal body. First, we use graph communication layers to improve the communication among agents based on a graph where each node represents a fetal-body landmark. Further, additional reward based on the distance between agents and physical structures such as the fetal limbs is used to fully exploit physical structure. Evaluation of this method on a repository of 3-mm resolution in vivo data demonstrates a mean accuracy of landmark estimation within 10 mm of ground truth as 87.3%, and a mean error of 6.9 mm. The proposed DRL for fetal pose landmark search demonstrates a potential clinical utility for online detection of fetal motion that guides real-time mitigation of motion artifacts as well as health diagnosis during MRI of the pregnant mother.
• Abstract（参考訳）: 胎児mriは、画像アーティファクトを引き起こし、有効な画像コントラストのセットを制限する予測不能で実質的な胎児運動に強く制約されている。 動作アーティファクトの現在の緩和は、高速で単発のMRIと振り返りの動作補正によって主に実行される。 胎児運動がオンラインスライス処方と低レイテンシ意思決定を併用した胎児運動を検出・緩和するための将来的な方法として,MRIにおける胎児ポーズの推定が重要である。 近年の深部強化学習(DRL)は胎児のランドマーク検出に新しいアプローチを提供している。 このタスクでは、DRLにより15のランドマークを同時に検出するために15のエージェントが配置される。 最適化は困難であり,ここでは,胎児の物理的構造に先行するdrlの改良を提案する。 まず、各ノードが胎児のランドマークを表すグラフに基づいて、エージェント間の通信を改善するためにグラフ通信層を使用する。 また、身体構造を十分に活用するために、エージェントと胎児四肢などの身体構造との間の距離に基づく追加報酬を用いる。 生体内データの3mm解像度のレポジトリにおけるこの手法の評価は、10mmの地中真理の範囲内におけるランドマーク推定の平均精度が87.3%、平均誤差が6.9mmであることを示す。 胎児ポーズのランドマーク検索のためのDRLは、妊娠中の母親のMRIにおける健康診断と同様に、リアルタイムな運動の緩和を誘導する胎児の動きをオンラインで検出するための潜在的な臨床的有用性を示す。

関連論文リスト

• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• HAITCH: A Framework for Distortion and Motion Correction in Fetal Multi-Shell Diffusion-Weighted MRI [5.393543723150301]
  この研究は、マルチシェル高角解像度胎児dMRIデータの修正と再構成を行う最初の、かつ唯一公開されたツールであるHAITCHを提示する。 HaITCHは、動的歪み補正のためのblip-reversed dual-echo取得を含む、いくつかの技術的進歩を提供している。 HaITCHはアーティファクトの除去に成功し、高度な拡散モデリングに適した高忠実度胎児dMRIデータを再構成する。
  論文  参考訳（メタデータ） (2024-06-28T16:40:57Z)
• FetalDiffusion: Pose-Controllable 3D Fetal MRI Synthesis with Conditional Diffusion Model [5.076429534803331]
  FetalDiffusionは,3次元合成胎児MRIを合成可能なポーズで生成する新しい手法である。 本研究は, 高精度かつ認識可能な胎児のポーズを持つ高品質な合成胎児MRI画像を作成することによって, 提案モデルの成功を実証するものである。 本手法は, リアルタイム追跡モデルの改善を約束し, 胎児運動の問題をより効果的に解決する。
  論文  参考訳（メタデータ） (2024-03-29T19:58:13Z)
• 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)
• 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)
• 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)
• AFFIRM: Affinity Fusion-based Framework for Iteratively Random Motion correction of multi-slice fetal brain MRI [8.087220876070477]
  Affinity Fusion-based Framework for Iteratively Random Motion correct of the multi-slice fetal brain MRI。 複数のスライスからシーケンシャルな動きを学習し、親和性融合を用いて2次元スライスと再構成された3次元ボリュームの特徴を統合する。 この方法は、脳の向きに関係なく正確に動きを推定し、シミュレートされた動き破壊データに対して、他の最先端の学習法より優れる。
  論文  参考訳（メタデータ） (2022-05-12T02:54:55Z)
• Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
  本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。 最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
  論文  参考訳（メタデータ） (2022-04-01T22:48:08Z)
• 4D iterative reconstruction of brain fMRI in the moving fetus [1.8492120771993543]
  本手法の精度を実地臨床用fMRI胎児群で定量的に評価した。 その結果,従来の3D手法と比較して再現性の向上が見られた。
  論文  参考訳（メタデータ） (2021-11-22T18:12:21Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
  経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。 この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
  論文  参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。