論文の概要: Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas

• arxiv url: http://arxiv.org/abs/2008.02859v1
• Date: Thu, 6 Aug 2020 20:20:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 07:56:36.669052
• Title: Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas
• Title（参考訳）: 治療後悪性グリオーマにおける信頼誘導病変マスクを用いた解剖学的および分子的MR画像の同時合成
• Authors: Pengfei Guo, Puyang Wang, Rajeev Yasarla, Jinyuan Zhou, Vishal M. Patel, and Shanshan Jiang
• Abstract要約: 信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 65.64363834322333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data-driven automatic approaches have demonstrated their great potential in resolving various clinical diagnostic dilemmas in neuro-oncology, especially with the help of standard anatomic and advanced molecular MR images. However, data quantity and quality remain a key determinant of, and a significant limit on, the potential of such applications. In our previous work, we explored synthesis of anatomic and molecular MR image network (SAMR) in patients with post-treatment malignant glioms. Now, we extend it and propose Confidence Guided SAMR (CG-SAMR) that synthesizes data from lesion information to multi-modal anatomic sequences, including T1-weighted (T1w), gadolinium enhanced T1w (Gd-T1w), T2-weighted (T2w), and fluid-attenuated inversion recovery (FLAIR), and the molecular amide proton transfer-weighted (APTw) sequence. We introduce a module which guides the synthesis based on confidence measure about the intermediate results. Furthermore, we extend the proposed architecture for unsupervised synthesis so that unpaired data can be used for training the network. Extensive experiments on real clinical data demonstrate that the proposed model can perform better than the state-of-theart synthesis methods.
• Abstract（参考訳）: データ駆動型自動アプローチは、神経腫瘍学における様々な臨床診断ジレンマ、特に標準解剖学的および先進的分子mr画像の助けを借りて解決する大きな可能性を示している。 しかし、データ量と品質は依然として重要な決定要因であり、そのようなアプリケーションの可能性には重大な制限がある。 治療後悪性グリオーム患者の解剖学的および分子的MR画像ネットワーク(SAMR)の合成について検討した。 現在,T1-weighted (T1w), Gadolinium enhanced T1w (Gd-T1w), T2-weighted (T2w), and fluid-attenuated inversion recovery (FLAIR), the molecular amide proton transfer-weighted (APTw) sequenceを含む,病変情報からマルチモーダル解剖学的配列にデータを合成する信頼性ガイドSAMR (CG-SAMR) を提案する。 中間結果に対する信頼度測定に基づいて合成をガイドするモジュールを導入する。 さらに,提案アーキテクチャを拡張して教師なし合成を行い,非ペアデータを用いてネットワークのトレーニングを行う。 実臨床データに対する広範囲な実験により,提案モデルが最先端の合成法よりも優れた結果が得られることが示された。

関連論文リスト

• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation [0.9722528000969453]
  本研究は, GAN(Generative Adversarial Network)を用いて, コントラスト前T1強調脂肪飽和乳房MRIを対応する第1DCE-MRIシーケンスに翻訳することにより, 合成コントラスト増強の実現可能性について検討した。 定量的な画像品質指標を用いて生成したDCE-MRIデータを評価し、3D乳房切片の下流タスクに適用する。 以上の結果から, 造影後DCE-MRI合成が乳房のセグメンテーションモデルの堅牢性向上に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-17T21:48:41Z)
• Cross-Modal Synthesis of Structural MRI and Functional Connectivity Networks via Conditional ViT-GANs [0.8778841570220198]
  構造的磁気共鳴画像(sMRI)と機能的ネットワーク接続(FNC)の相互合成は、医用画像では比較的研究されていない。 本研究では、条件付き視覚変換器生成適応ネットワーク(cViT-GAN)を用いて、sMRI入力に基づいてFNCデータを生成する。
  論文  参考訳（メタデータ） (2023-09-15T05:03:08Z)
• Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
  本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。 最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。 再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
  論文  参考訳（メタデータ） (2023-05-04T12:20:51Z)
• Fast T2w/FLAIR MRI Acquisition by Optimal Sampling of Information Complementary to Pre-acquired T1w MRI [52.656075914042155]
  本稿では,MRIによる他のモダリティ獲得のためのアンダーサンプリングパターンを最適化するための反復的フレームワークを提案する。 公開データセット上で学習したアンダーサンプリングパターンの優れた性能を実証した。
  論文  参考訳（メタデータ） (2021-11-11T04:04:48Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• A Unified Conditional Disentanglement Framework for Multimodal Brain MR Image Translation [11.26646475512469]
  入力モダリティから任意のモダリティを合成するための統一条件解離フレームワークを提案する。 BraTS'18データベースから,T1強調,T1コントラスト強調,T2強調,FLAIR MRIの4つのMRIモダリティについて検証した。
  論文  参考訳（メタデータ） (2021-01-14T03:14:24Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)
• Multi-Modality Generative Adversarial Networks with Tumor Consistency Loss for Brain MR Image Synthesis [30.64847799586407]
  1つのMRモードT2から3つの高品質MRモード(FLAIR, T1, T1ce)を同時に合成する多モード生成対向ネットワーク(MGAN)を提案する。 実験結果から, 合成画像の品質は, ベースラインモデル, pix2pixで合成した画像より優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-02T21:33:15Z)

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。