論文の概要: Influence of segmentation accuracy in structural MR head scans on
electric field computation for TMS and tES
- arxiv url: http://arxiv.org/abs/2009.12015v2
- Date: Fri, 29 Jan 2021 00:54:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 22:38:57.275405
- Title: Influence of segmentation accuracy in structural MR head scans on
electric field computation for TMS and tES
- Title（参考訳）: 構造MRヘッドスキャンにおけるセグメンテーション精度がTMSおよびtESの電場計算に及ぼす影響
- Authors: Essam A. Rashed, Jose Gomez-Tames, Akimasa Hirata
- Abstract要約: 脳では、脳脊髄液(CSF)ではセグメンテーションの精度が比較的高く、灰白質(GM)では中等度であり、経頭蓋磁気刺激(TMS)や経頭蓋電気刺激(TES)では白質が低い。
CSFセグメンテーション精度はDice coefficient (DC) で10%低下し、両方の応用において正規化誘導電場において4%まで低下する。
しかし、5.6%DCのGMセグメンテーション精度の低下により、正規化誘導電界は6%まで増加する。
- 参考スコア（独自算出の注目度）: 2.750124853532831
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In several diagnosis and therapy procedures based on electrostimulation
effect, the internal physical quantity related to the stimulation is the
induced electric field. To estimate the induced electric field in an individual
human model, the segmentation of anatomical imaging, such as (magnetic
resonance image (MRI) scans, of the corresponding body parts into tissues is
required. Then, electrical properties associated with different annotated
tissues are assigned to the digital model to generate a volume conductor. An
open question is how segmentation accuracy of different tissues would influence
the distribution of the induced electric field. In this study, we applied
parametric segmentation of different tissues to exploit the segmentation of
available MRI to generate different quality of head models using deep learning
neural network architecture, named ForkNet. Then, the induced electric field
are compared to assess the effect of model segmentation variations.
Computational results indicate that the influence of segmentation error is
tissue-dependent. In brain, sensitivity to segmentation accuracy is relatively
high in cerebrospinal fluid (CSF), moderate in gray matter (GM) and low in
white matter for transcranial magnetic stimulation (TMS) and transcranial
electrical stimulation (tES). A CSF segmentation accuracy reduction of 10% in
terms of Dice coefficient (DC) lead to decrease up to 4% in normalized induced
electric field in both applications. However, a GM segmentation accuracy
reduction of 5.6% DC leads to increase of normalized induced electric field up
to 6%. Opposite trend of electric field variation was found between CSF and GM
for both TMS and tES. The finding obtained here would be useful to quantify
potential uncertainty of computational results.
- Abstract（参考訳）: 電気刺激効果に基づくいくつかの診断および治療方法において、刺激に関連する内部物理量が誘導電界である。
個々のヒトモデルにおける誘導電界を推定するためには、対応する身体部位の(磁気共鳴画像(MRI)スキャンなどの解剖学的画像の組織へのセグメンテーションが必要である。
次に、異なるアノテート組織に関連する電気的特性をデジタルモデルに割り当て、ボリューム導体を生成する。
オープンな疑問は、異なる組織の分断精度が誘導電界の分布にどのように影響するかである。
本研究では,異なる組織のパラメトリックセグメンテーションを適用し,利用可能なMRIのセグメンテーションを利用して,深層学習ニューラルネットワークアーキテクチャ(ForkNet)を用いた頭部モデルの異なる品質を生成する。
次に、誘導電界の比較を行い、モデルセグメンテーション変動の影響を評価する。
計算結果から,セグメンテーション誤差の影響は組織依存性であることが示唆された。
脳では、脳脊髄液(CSF)ではセグメンテーションの精度が比較的高く、灰白質(GM)では中等度であり、経頭蓋磁気刺激(TMS)や経頭蓋電気刺激(TES)では白質が低い。
dice係数(dc)の観点からのcsfセグメンテーション精度の10%の低下は、両方の応用において正規化誘導電界の最大4%の低下をもたらす。
しかし、5.6%DCのGMセグメンテーション精度の低下により、正規化誘導電界は6%まで増加する。
TMS, tESともにCSFとGMの間に電界変動の正の傾向が認められた。
ここで得られた発見は、計算結果の潜在的な不確実性を定量化するのに役立つだろう。
関連論文リスト
- Learning Equivariant Non-Local Electron Density Functionals [51.721844709174206]
Equivariant Graph Exchange correlation (EG-XC) は、同変グラフニューラルネットワークに基づく新しい非局所XC関数である。
EG-XCは、半局所関数と同変核中心点雲表現によってパラメータ化された非局所特徴密度を結合する。
MD17では,金標準のCCSD(T)エネルギーを正確に再構成するEG-XCが発見された。
論文 参考訳（メタデータ） (2024-10-10T14:31:45Z) - RISE-iEEG: Robust to Inter-Subject Electrodes Implantation Variability iEEG Classifier [0.0]
RISE-iEEGはRobust Inter-Subject Electrode implantation Variability iEEGの略である。
iEEGデコーダモデルを開発し,各患者に電極の座標を必要とせずに複数の患者のデータに適用した。
分析の結果, RISE-iEEG は HTNet や EEGNet よりも F1 よりも10%高い値を示した。
論文 参考訳（メタデータ） (2024-08-12T18:33:19Z) - EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient
Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。
本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文 参考訳（メタデータ） (2023-10-24T02:37:49Z) - Estimating Cardiac Tissue Conductivity from Electrograms with Fully
Convolutional Networks [0.0]
心房細動(Atrial Fibrillation, AAF)は、心房の電気的不整脈を特徴とする。
AFの有効治療には、心筋の有効伝導率の推定と異常増殖領域の同定が不可欠である。
論文 参考訳（メタデータ） (2022-12-06T14:37:59Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - A Novel Transferability Attention Neural Network Model for EEG Emotion
Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。
TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。
これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文 参考訳（メタデータ） (2020-09-21T02:42:30Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳（メタデータ） (2020-05-11T16:29:12Z) - Augmenting interictal mapping with neurovascular coupling biomarkers by
structured factorization of epileptic EEG and fMRI data [3.2268407474728957]
脳波-fMRI解析のための新しい構造マトリックス・テンソル分解法を開発した。
抽出したソースシグネチャは、イクタルオンセットゾーンの感度な局所化を提供することを示す。
また,血行動態の空間的変動から相補的局所化情報を導出できることが示唆された。
論文 参考訳（メタデータ） (2020-04-29T13:27:45Z) - Development of accurate human head models for personalized
electromagnetic dosimetry using deep learning [2.750124853532831]
本稿では,人間の頭構造全体のセグメント化を行うために,ForkNetと呼ばれる畳み込みニューラルネットワークの新しいアーキテクチャを提案する。
提案したネットワークは、パーソナライズされた頭部モデルの生成に利用でき、脳磁図刺激時の脳内の電界評価に応用できる。
論文 参考訳（メタデータ） (2020-02-21T01:21:34Z) - End-to-end semantic segmentation of personalized deep brain structures
for non-invasive brain stimulation [2.750124853532831]
経頭蓋直流刺激(TDCS)は、頭皮に付着した電極を介して適用される安価な臨床応用として広く用いられている。
解剖学的複雑性と高い物体間変動により,脳の各領域における電場(EF)の量と分布を決定することは困難である。
本研究では,脳深部セグメンテーションのための単一エンコーダマルチデコーダ畳み込みニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-02-13T13:17:25Z)
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。