論文の概要: Self-Supervised Ultrasound to MRI Fetal Brain Image Synthesis
- arxiv url: http://arxiv.org/abs/2008.08698v1
- Date: Wed, 19 Aug 2020 22:56:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 11:43:09.680586
- Title: Self-Supervised Ultrasound to MRI Fetal Brain Image Synthesis
- Title(参考訳): MRI胎児脳画像合成のための自己監督超音波
- Authors: Jianbo Jiao, Ana I.L. Namburete, Aris T. Papageorghiou, J. Alison
Noble
- Abstract要約: 胎児脳MRI(Fetal brain magnetic resonance imaging)は、発達する脳の精細な画像を提供するが、第2三期異常検診には適さない。
本稿では,臨床用US画像から直接MRライクな画像を生成することを提案する。
提案するモデルは、外部アノテーションを使わずに、エンドツーエンドでトレーニング可能で自己管理できる。
- 参考スコア(独自算出の注目度): 20.53251934808636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fetal brain magnetic resonance imaging (MRI) offers exquisite images of the
developing brain but is not suitable for second-trimester anomaly screening,
for which ultrasound (US) is employed. Although expert sonographers are adept
at reading US images, MR images which closely resemble anatomical images are
much easier for non-experts to interpret. Thus in this paper we propose to
generate MR-like images directly from clinical US images. In medical image
analysis such a capability is potentially useful as well, for instance for
automatic US-MRI registration and fusion. The proposed model is end-to-end
trainable and self-supervised without any external annotations. Specifically,
based on an assumption that the US and MRI data share a similar anatomical
latent space, we first utilise a network to extract the shared latent features,
which are then used for MRI synthesis. Since paired data is unavailable for our
study (and rare in practice), pixel-level constraints are infeasible to apply.
We instead propose to enforce the distributions to be statistically
indistinguishable, by adversarial learning in both the image domain and feature
space. To regularise the anatomical structures between US and MRI during
synthesis, we further propose an adversarial structural constraint. A new
cross-modal attention technique is proposed to utilise non-local spatial
information, by encouraging multi-modal knowledge fusion and propagation. We
extend the approach to consider the case where 3D auxiliary information (e.g.,
3D neighbours and a 3D location index) from volumetric data is also available,
and show that this improves image synthesis. The proposed approach is evaluated
quantitatively and qualitatively with comparison to real fetal MR images and
other approaches to synthesis, demonstrating its feasibility of synthesising
realistic MR images.
- Abstract(参考訳): 胎児脳MRI(Fetal brain magnetic resonance imaging)は、発達する脳の精細な画像を提供するが、超音波(US)を用いた第2トリメスター異常スクリーニングには適さない。
超音波の専門家はus画像を読むのに長けているが、解剖学的画像によく似たmr画像は、非専門家にとって解釈がはるかに容易である。
そこで本稿では,臨床画像から直接MRライクな画像を生成することを提案する。
医用画像解析では、例えばUS-MRIの自動登録や核融合などにも有用である。
提案モデルはエンドツーエンドでトレーニング可能で,外部アノテーションを使わずに自己監視可能である。
具体的には、米国とMRIのデータが類似の解剖学的潜伏空間を共有しているという仮定に基づいて、まずネットワークを利用して共有潜伏特徴を抽出し、MRI合成に使用する。
ペア化されたデータは我々の研究では利用できないため、ピクセルレベルの制約は適用できない。
そこで我々は,画像領域と特徴空間の両方における逆学習により,統計的に区別不能な分布を強制することを提案する。
合成中のUSとMRIの解剖学的構造を正則化するために,逆構造制約を提案する。
マルチモーダル知識の融合と伝播を奨励し,非局所空間情報を活用する新しいクロスモーダル注意手法を提案する。
ボリュームデータから3d補助情報(例えば3d近傍と3dロケーションインデックス)が利用可能である場合を考えるアプローチを拡張し、画像合成が改善されることを示す。
提案手法は, 胎児mr画像や他の合成手法と比較して定量的, 定性的に評価され, リアルmr画像合成の可能性を示す。
関連論文リスト
- NeRF Solves Undersampled MRI Reconstruction [1.3597551064547502]
本稿では,Neural Radiance Field(NeRF)の概念を利用したMRI技術について述べる。
ラジアルアンダーサンプリングにより、対応する撮像問題をスパースビューレンダリングデータから画像モデリングタスクに再構成することができる。
空間座標から画像強度を出力する多層パーセプトロンは、所定の測定データと所望の画像との間のMR物理駆動レンダリング関係を学習する。
論文 参考訳(メタデータ) (2024-02-20T18:37:42Z) - Disentangled Latent Energy-Based Style Translation: An Image-Level
Structural MRI Harmonization Framework [21.74613077116722]
脳MRI(Brain Magnetic resonance Imaging)は、臨床および研究分野で広く用いられている。
既存の手法は一般に高い計算要求と限定的な一般化性に悩まされる。
本稿では,非対位画像レベルのMRIハーモニゼーションのための非対角型遅延エネルギーベース型翻訳フレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-10T03:42:37Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳(メタデータ) (2023-11-22T05:44:51Z) - 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) - BrainVoxGen: Deep learning framework for synthesis of Ultrasound to MRI [3.1998815025767033]
本研究では,脳の3次元超音波画像から3次元MRIボリュームを合成することを目的としたディープラーニングフレームワークを提案する。
このプロセスでは、超音波の3DボリュームをUNETジェネレータとパッチ識別器に入力し、対応するMRIの3Dボリュームを生成する。
論文 参考訳(メタデータ) (2023-10-11T20:37:59Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳(メタデータ) (2023-09-19T15:14:42Z) - Video4MRI: An Empirical Study on Brain Magnetic Resonance Image
Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。
本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。
効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
論文 参考訳(メタデータ) (2023-02-24T15:26:31Z) - Medical Diffusion -- Denoising Diffusion Probabilistic Models for 3D
Medical Image Generation [0.6486409713123691]
拡散確率モデルが高品質な医用画像データを合成可能であることを示す。
本研究は,2人の医療専門家による読影研究を通じて,そのパフォーマンスを定量的に測定する。
自己教師付き事前訓練において合成画像が利用可能であることを示し,データ不足時の乳房分割モデルの性能向上を図った。
論文 参考訳(メタデータ) (2022-11-07T08:37:48Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳(メタデータ) (2022-09-19T09:43:19Z) - Self-Supervised Multi-Modal Alignment for Whole Body Medical Imaging [70.52819168140113]
我々は、英国バイオバンクの2万名以上の被験者のデータセットを使用し、全体Dixon法磁気共鳴法(MR)スキャンとデュアルエネルギーX線吸収率法(DXA)スキャンを併用した。
マルチモーダル画像マッチングコントラストフレームワークを導入し、同一対象の異なるモダリティスキャンを高精度にマッチングすることができる。
適応がなければ、この対照的なトレーニングステップで学習した対応が、自動クロスモーダルスキャン登録の実行に利用できることを示す。
論文 参考訳(メタデータ) (2021-07-14T12:35:05Z) - Generative Adversarial Networks (GAN) Powered Fast Magnetic Resonance
Imaging -- Mini Review, Comparison and Perspectives [5.3148259096171175]
MRIの欠点の1つは、他の画像モダリティに比べて比較的遅いスキャンと再構成である。
ディープニューラルネットワーク(DNN)は、比較的高品質な画像を再現するスパースMRI再構成モデルに使われてきた。
画像の知覚品質を向上した高速MRIを実現するために,GAN(Generative Adversarial Networks)に基づく手法を提案する。
論文 参考訳(メタデータ) (2021-05-04T23:59:00Z)
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。