論文の概要: Automated Segmentation of Brain Gray Matter Nuclei on Quantitative
Susceptibility Mapping Using Deep Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2008.00901v1
- Date: Mon, 3 Aug 2020 14:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 07:09:14.915520
- Title: Automated Segmentation of Brain Gray Matter Nuclei on Quantitative
Susceptibility Mapping Using Deep Convolutional Neural Network
- Title（参考訳）: 深層畳み込みニューラルネットワークを用いた定量的感受性マッピングによる脳白質核の自動セグメンテーション
- Authors: Chao Chai, Pengchong Qiao, Bin Zhao, Huiying Wang, Guohua Liu, Hong
Wu, E Mark Haacke, Wen Shen, Chen Cao, Xinchen Ye, Zhiyang Liu, Shuang Xia
- Abstract要約: 脳皮質下核の鉄蓄積異常は、様々な神経変性疾患と相関していると報告されている。
本稿では3次元畳み込みニューラルネットワーク(CNN)に基づく2分岐残基構造U-Net(DB-ResUNet)を提案する。
- 参考スコア（独自算出の注目度）: 16.733578721523898
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Abnormal iron accumulation in the brain subcortical nuclei has been reported
to be correlated to various neurodegenerative diseases, which can be measured
through the magnetic susceptibility from the quantitative susceptibility
mapping (QSM). To quantitively measure the magnetic susceptibility, the nuclei
should be accurately segmented, which is a tedious task for clinicians. In this
paper, we proposed a double-branch residual-structured U-Net (DB-ResUNet) based
on 3D convolutional neural network (CNN) to automatically segment such brain
gray matter nuclei. To better tradeoff between segmentation accuracy and the
memory efficiency, the proposed DB-ResUNet fed image patches with high
resolution and the patches with low resolution but larger field of view into
the local and global branches, respectively. Experimental results revealed that
by jointly using QSM and T$_\text{1}$ weighted imaging (T$_\text{1}$WI) as
inputs, the proposed method was able to achieve better segmentation accuracy
over its single-branch counterpart, as well as the conventional atlas-based
method and the classical 3D-UNet structure. The susceptibility values and the
volumes were also measured, which indicated that the measurements from the
proposed DB-ResUNet are able to present high correlation with values from the
manually annotated regions of interest.
- Abstract（参考訳）: 脳皮質下核の鉄蓄積異常は様々な神経変性疾患と相関することが報告されており、定量的感受性マッピング(QSM)から磁気感受性を測定できる。
磁気感受性を定量的に測定するには、核を正確に区分けする必要がある。
本稿では3次元畳み込みニューラルネットワーク(CNN)をベースとした2分岐残基構造U-Net(DB-ResUNet)を提案する。
セグメント化精度とメモリ効率のトレードオフを改善するため、提案したDB-ResUNetは高解像度のイメージパッチと低解像度のパッチをそれぞれローカルおよびグローバルブランチへの視野を大きくした。
実験結果から,QSMとT$_\text{1}$重み付き画像(T$_\text{1}$WI)を入力として併用することにより,従来のアトラス法および古典的な3D-UNet構造と同様に,単分岐法よりも高いセグメンテーション精度を実現することができた。
また,DB-ResUNetによる測定結果から,手動で注釈付けした領域の値と高い相関性を示すことができた。
関連論文リスト
- Lumbar Spine Tumor Segmentation and Localization in T2 MRI Images Using AI [2.9746083684997418]
本研究は, 脊椎腫瘍の領域分割と局所化をAIアプローチで自動化することを目的とした, 新たなデータ拡張手法を提案する。
畳み込みニューラルネットワーク(CNN)アーキテクチャは、腫瘍の分類に用いられている。3次元の椎骨分割とラベル付け技術は、腰椎の腫瘍の正確な位置を特定するのに役立つ。
その結果, 腫瘍分節の99%の精度, 腫瘍分類の98%の精度, 腫瘍局在の99%の精度が得られた。
論文 参考訳（メタデータ） (2024-05-07T05:55:50Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - CV-Attention UNet: Attention-based UNet for 3D Cerebrovascular Segmentation of Enhanced TOF-MRA Images [2.2265536092123006]
脳血管画像の正確な抽出にはCV-AttentionUNetと呼ばれる3次元脳血管注意UNet法を提案する。
低と高のセマンティクスを組み合わせるために,注意機構を適用した。
このアルゴリズムの新規性は、ラベル付きデータとラベルなしデータの両方でうまく機能する能力にあると考えています。
論文 参考訳（メタデータ） (2023-11-16T22:31:05Z) - Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance
from High-Quality Isotropic Volumes [52.242103848335354]
本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。
我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
論文 参考訳（メタデータ） (2023-08-13T12:51:15Z) - Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。
UIA検出では偽陽性率は0.21で感度は0.80であった。
論文 参考訳（メタデータ） (2023-08-06T03:28:08Z) - CNN-based fully automatic wrist cartilage volume quantification in MR
Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。
非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文 参考訳（メタデータ） (2022-06-22T14:19:06Z) - CORPS: Cost-free Rigorous Pseudo-labeling based on Similarity-ranking
for Brain MRI Segmentation [3.1657395760137406]
本稿では,新しいアトラスを用いた擬似ラベル法と3次元脳MRI分割のための3次元深部畳み込みニューラルネットワーク(DCNN)に基づく半教師付きセグメンテーションフレームワークを提案する。
実験により, 定性的, 定量的に比較して, 提案手法の優位性を示した。
論文 参考訳（メタデータ） (2022-05-19T14:42:49Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳（メタデータ） (2021-05-17T15:43:59Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Context-Aware Refinement Network Incorporating Structural Connectivity
Prior for Brain Midline Delineation [50.868845400939314]
UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。
正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。
提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
論文 参考訳（メタデータ） (2020-07-10T14:01:20Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。