論文の概要: Perfusion Imaging: A Data Assimilation Approach

• arxiv url: http://arxiv.org/abs/2009.02796v1
• Date: Sun, 6 Sep 2020 18:44:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 08:29:37.456315
• Title: Perfusion Imaging: A Data Assimilation Approach
• Title（参考訳）: Perfusion Imaging: データ同化アプローチ
• Authors: Peirong Liu, Yueh Z. Lee, Stephen R. Aylward, and Marc Niethammer
• Abstract要約: 灌流画像(PI)は脳卒中や脳腫瘍の診断に用いられる。 コントラスト・エイジェント・フリーアプローチ(例えば、ボクセル内不整合運動に基づく)も存在するが、これまでは日常的に臨床応用は行われていない。 これらの手法は、動脈入力関数(AIF)をおよそモデル組織灌流に頼り、空間的依存を無視し、AIFを確実に推定することにも依存する。 本研究では, 対流拡散モデルの速度場と拡散場を推定し, コントラストのダイナミクスを最もよく説明するデータ同化手法(PIANO)を提案する。
• 参考スコア（独自算出の注目度）: 18.418067945495203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perfusion imaging (PI) is clinically used to assess strokes and brain tumors. Commonly used PI approaches based on magnetic resonance imaging (MRI) or computed tomography (CT) measure the effect of a contrast agent moving through blood vessels and into tissue. Contrast-agent free approaches, for example, based on intravoxel incoherent motion, also exist, but are so far not routinely used clinically. These methods rely on estimating on the arterial input function (AIF) to approximately model tissue perfusion, neglecting spatial dependencies, and reliably estimating the AIF is also non-trivial, leading to difficulties with standardizing perfusion measures. In this work we therefore propose a data-assimilation approach (PIANO) which estimates the velocity and diffusion fields of an advection-diffusion model that best explains the contrast dynamics. PIANO accounts for spatial dependencies and neither requires estimating the AIF nor relies on a particular contrast agent bolus shape. Specifically, we propose a convenient parameterization of the estimation problem, a numerical estimation approach, and extensively evaluate PIANO. We demonstrate that PIANO can successfully resolve velocity and diffusion field ambiguities and results in sensitive measures for the assessment of stroke, comparing favorably to conventional measures of perfusion.
• Abstract（参考訳）: 灌流画像(PI)は脳卒中や脳腫瘍の診断に用いられる。 一般的に用いられるPIアプローチはMRI(MRI)またはCT(CT)に基づいており、造影剤が血管を通って組織に移動する影響を測定する。 例えば、ボクセル内無干渉運動に基づくコントラストエージェントフリーアプローチも存在しているが、臨床ではあまり使われていない。 これらの方法は動脈入力関数(aif)を概ねモデル組織灌流まで推定し、空間依存を無視し、確実にaifを推定することは非自明であり、灌流対策の標準化が困難となる。 そこで本研究では, コントラスト力学を最もよく説明できる対流拡散モデルの速度場と拡散場を推定するデータ同化手法(PIANO)を提案する。 PIANOは空間的依存を考慮せず、AIFを推定したり、特定のコントラスト剤のボーラス形状に依存したりする必要もない。 具体的には, 推定問題のパラメータ化, 数値推定手法を提案し, PIANOを広範囲に評価する。 PIANOは, 脳卒中評価において, 従来の灌流法と比較して, 速度と拡散場の曖昧さの解消に成功し, 感度の高い測定結果が得られることを示した。

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)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Quantitative perfusion maps using a novelty spatiotemporal convolutional neural network [13.188103532542797]
  本研究では,空間的・時間的情報を考慮した拡散パラメータ推定ネットワークを提案する。 その結果,脳血流量 (CBV), 脳血流量 (CBF), 残存機能 (Tmax) などの灌流パラメータを正確に推定できることが示唆された。 提案したモデルは、商用のゴールドスタンダードソフトウェアの性能に近づき、時間効率も維持する。
  論文  参考訳（メタデータ） (2023-12-08T09:22:25Z)
• DoseDiff: Distance-aware Diffusion Model for Dose Prediction in Radiotherapy [7.934475806787889]
  線量分布を正確に予測するための距離認識拡散モデル(DoseDiff)を提案する。 その結果,ドセディフ法は定量的性能と視覚的品質の両方の観点から,最先端の線量予測法よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-28T15:58:53Z)
• Unpaired Deep Learning for Pharmacokinetic Parameter Estimation from Dynamic Contrast-Enhanced MRI [37.358265461543716]
  薬物動態パラメータとAIFの両方を推定する新しい未経験深層学習法を提案する。 提案するCycleGANフレームワークは、基礎となる物理モデルに基づいて設計されており、単一のジェネレータと識別器ペアによるよりシンプルなアーキテクチャを実現する。 実験の結果,AIF測定を別途必要とせず,他の方法よりも信頼性の高い薬物動態パラメータが得られた。
  論文  参考訳（メタデータ） (2023-06-07T11:10:10Z)
• Reconstructing Graph Diffusion History from a Single Snapshot [87.20550495678907]
  A single SnapsHot (DASH) から拡散履歴を再構築するための新しいバリセンターの定式化を提案する。 本研究では,拡散パラメータ推定のNP硬度により,拡散パラメータの推定誤差が避けられないことを証明する。 また、DITTO(Diffusion hitting Times with Optimal proposal)という効果的な解法も開発している。
  論文  参考訳（メタデータ） (2023-06-01T09:39:32Z)
• Flexible Amortized Variational Inference in qBOLD MRI [56.4324135502282]
  データから酸素抽出率(OEF)と脱酸素血液量(DBV)をより明瞭に決定する。 既存の推論手法では、DBVを過大評価しながら非常にノイズの多い、過小評価されたEFマップが得られる傾向にある。 本研究は, OEFとDBVの可算分布を推定できる確率論的機械学習手法について述べる。
  論文  参考訳（メタデータ） (2022-03-11T10:47:16Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Physics-informed neural networks for myocardial perfusion MRI quantification [3.318100528966778]
  本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。 PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
  論文  参考訳（メタデータ） (2020-11-25T16:02:52Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• Joint Blind Deconvolution and Robust Principal Component Analysis for Blood Flow Estimation in Medical Ultrasound Imaging [8.922669577341225]
  本稿では,超高速超音波画像からの高分解能ドップラー血流推定の問題に対処する。 ドップラーデータから血液成分とPSFの両方を推定できるブラインドデコンボリューション法を提案する。
  論文  参考訳（メタデータ） (2020-07-10T15:03:33Z)

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。