論文の概要: GANDALF: Generative Adversarial Networks with Discriminator-Adaptive Loss Fine-tuning for Alzheimer's Disease Diagnosis from MRI

• arxiv url: http://arxiv.org/abs/2008.04396v1
• Date: Mon, 10 Aug 2020 20:09:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 22:47:31.186392
• Title: GANDALF: Generative Adversarial Networks with Discriminator-Adaptive Loss Fine-tuning for Alzheimer's Disease Diagnosis from MRI
• Title（参考訳）: GANDALF:MRIによるアルツハイマー病診断のための判別器適応型ロスファインタニング
• Authors: Hoo-Chang Shin, Alvin Ihsani, Ziyue Xu, Swetha Mandava, Sharath Turuvekere Sreenivas, Christopher Forster, Jiook Cha, and Alzheimer's Disease Neuroimaging Initiative
• Abstract要約: ポジトロン・エミッション・トモグラフィ(PET)は、現在アルツハイマー病(AD)の診断基準となっている。 MRIはより広く利用でき、望まれる画像解像度を設定する際の柔軟性を提供する。 GAN(Generative Adversarial Network)を用いたMR画像からのPET画像の合成の試みが数多く行われている。 本稿では,最高のAD分類性能を達成するために,GANトレーニング目標にAD診断を組み込んだ代替手法を提案する。
• 参考スコア（独自算出の注目度）: 1.4838157426267355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Positron Emission Tomography (PET) is now regarded as the gold standard for the diagnosis of Alzheimer's Disease (AD). However, PET imaging can be prohibitive in terms of cost and planning, and is also among the imaging techniques with the highest dosage of radiation. Magnetic Resonance Imaging (MRI), in contrast, is more widely available and provides more flexibility when setting the desired image resolution. Unfortunately, the diagnosis of AD using MRI is difficult due to the very subtle physiological differences between healthy and AD subjects visible on MRI. As a result, many attempts have been made to synthesize PET images from MR images using generative adversarial networks (GANs) in the interest of enabling the diagnosis of AD from MR. Existing work on PET synthesis from MRI has largely focused on Conditional GANs, where MR images are used to generate PET images and subsequently used for AD diagnosis. There is no end-to-end training goal. This paper proposes an alternative approach to the aforementioned, where AD diagnosis is incorporated in the GAN training objective to achieve the best AD classification performance. Different GAN lossesare fine-tuned based on the discriminator performance, and the overall training is stabilized. The proposed network architecture and training regime show state-of-the-art performance for three- and four- class AD classification tasks.
• Abstract（参考訳）: ポジトロン・エミッション・トモグラフィ(PET)は、現在、アルツハイマー病(AD)の診断における金の基準とされている。 しかし、PETイメージングはコストと計画の観点から禁止され、また放射線量が最も多い画像技術でもある。 対照的にMRI(Magnetic Resonance Imaging)はより広く利用でき、所望の画像解像度を設定する際の柔軟性も向上している。 残念なことに、MRIを用いたADの診断は、MRIで見られる健常者とAD患者の非常に微妙な生理的差異のため困難である。 その結果,MR 画像から PET 画像を合成する試みが,MR 画像から AD の診断を可能にすることを目的としたGAN (generative adversarial network) を用いて行われてきた。MRI からの PET 合成に関するこれまでの研究は,MRI 画像が PET 画像の生成に使用される条件付き GAN に大きく焦点が当てられている。 エンドツーエンドのトレーニング目標はありません。 本稿では,AD 診断を GAN 訓練目標に組み込んで,最高のAD 分類性能を実現する方法を提案する。 異なるGAN損失は判別器の性能に基づいて微調整され、全体的な訓練は安定している。 提案するネットワークアーキテクチャとトレーニングシステムは,3クラスおよび4クラスAD分類タスクの最先端性能を示す。

関連論文リスト

• MMed-RAG: Versatile Multimodal RAG System for Medical Vision Language Models [49.765466293296186]
  近年,Med-LVLM (Med-LVLMs) の進歩により,対話型診断ツールの新たな可能性が高まっている。 Med-LVLMは、しばしば事実の幻覚に悩まされ、誤った診断につながることがある。 我々は,Med-LVLMの現実性を高めるために,多目的マルチモーダルRAGシステムMMed-RAGを提案する。
  論文  参考訳（メタデータ） (2024-10-16T23:03:27Z)
• Cross-Modal Domain Adaptation in Brain Disease Diagnosis: Maximum Mean Discrepancy-based Convolutional Neural Networks [0.0]
  脳障害は世界の健康にとって大きな課題であり、毎年何百万人もの死者を出している。 これらの疾患の正確な診断は、MRIやCTのような高度な医療画像技術に大きく依存している。 注釈付きデータの不足は、診断のための機械学習モデルをデプロイする上で大きな課題となる。
  論文  参考訳（メタデータ） (2024-05-06T07:44:46Z)
• Unsupervised Generation of Pseudo Normal PET from MRI with Diffusion Model for Epileptic Focus Localization [31.47772770612585]
  FDGポジトロン・エミッション・トモグラフィー(PET)はてんかんの焦点を特定する上で重要なツールである。 FDG PETによる評価と診断の有効性は、健康管理群の選択に依存する。 本研究では, てんかん焦点定位のための偽正常FDG PETを生成するために, 無障害MRIからPET翻訳への教師なし学習法について検討した。
  論文  参考訳（メタデータ） (2024-02-02T07:26:56Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
  異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。 医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。 医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
  論文  参考訳（メタデータ） (2023-06-20T20:23:46Z)
• Is a PET all you need? A multi-modal study for Alzheimer's disease using 3D CNNs [3.678164468512092]
  アルツハイマー病(Alzheimer's Disease, AD)は、認知症の最も一般的な形態であり、認知症の多因子因果関係により診断が困難であることが多い。 神経画像を用いた深部神経ネットワーク(DNN)を用いたコンピュータ支援診断の最近の研究は、構造的磁気共鳴画像(sMRI)とフルオロデオキシグルコースポジトロン放射断層撮影(FDG-PET)を融合させることにより、ADの健康管理と被験者の集団において精度が向上することを示した。 今後のマルチモーダル融合の取り組みは,提案した評価枠組みに従って,個別のモダリティの貢献を体系的に評価すべきである,と論じる。
  論文  参考訳（メタデータ） (2022-07-05T14:55:56Z)
• U-PET: MRI-based Dementia Detection with Joint Generation of Synthetic FDG-PET Images [37.14076185163271]
  本稿では,T1重み付きMR画像を入力として用いて合成FDG-PET画像を生成するマルチタスク手法を提案する。 両方のタスクヘッドで使用されるアテンションゲートは、脳の最も関連性の高い部分を可視化し、検査者を誘導し、解釈可能性を追加することができる。 その結果, 合成FDG-PET画像の生成が成功し, 単一タスクベースライン上での疾患分類が向上した。
  論文  参考訳（メタデータ） (2022-06-16T10:47:15Z)
• MRI to PET Cross-Modality Translation using Globally and Locally Aware GAN (GLA-GAN) for Multi-Modal Diagnosis of Alzheimer's Disease [1.7499351967216341]
  現実像を合成できるGAN(Generative Adversarial Network)は、標準的なデータ拡張手法の代替として大きな可能性を秘めている。 本稿では,グローバルな構造的整合性と局所的細部への忠実さを両立させるマルチパスアーキテクチャにより,グローバルかつ局所的に認識された画像間変換GAN(GLA-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-08-04T16:38:33Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)

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。