論文の概要: DEEPMIR: A DEEP neural network for differential detection of cerebral Microbleeds and IRon deposits in MRI

• arxiv url: http://arxiv.org/abs/2010.00148v3
• Date: Mon, 7 Jun 2021 05:40:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 00:22:03.790300
• Title: DEEPMIR: A DEEP neural network for differential detection of cerebral Microbleeds and IRon deposits in MRI
• Title（参考訳）: DEEPMIR:MRIにおける脳微小出血およびIRon沈着の差分検出のためのDEPニューラルネットワーク
• Authors: Tanweer Rashid, Ahmed Abdulkadir, Ilya M. Nasrallah, Jeffrey B. Ware, Hangfan Liu, Pascal Spincemaille, J. Rafael Romero, R. Nick Bryan, Susan R. Heckbert and Mohamad Habes
• Abstract要約: 脳小血腫(CMB)と基底核の非出血鉄鉱床は脳老化、血管疾患、神経変性疾患と関連している。 我々は,CMBと鉄鉱床のセグメンテーションに適した深層学習に基づくセグメンテーション法を開発した。
• 参考スコア（独自算出の注目度）: 3.0361336899303693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lobar cerebral microbleeds (CMBs) and localized non-hemorrhage iron deposits in the basal ganglia have been associated with brain aging, vascular disease and neurodegenerative disorders. Particularly, CMBs are small lesions and require multiple neuroimaging modalities for accurate detection. Quantitative susceptibility mapping (QSM) derived from in vivo magnetic resonance imaging (MRI) is necessary to differentiate between iron content and mineralization. We set out to develop a deep learning-based segmentation method suitable for segmenting both CMBs and iron deposits. We included a convenience sample of 24 participants from the MESA cohort and used T2-weighted images, susceptibility weighted imaging (SWI), and QSM to segment the two types of lesions. We developed a protocol for simultaneous manual annotation of CMBs and non-hemorrhage iron deposits in the basal ganglia. This manual annotation was then used to train a deep convolution neural network (CNN). Specifically, we adapted the U-Net model with a higher number of resolution layers to be able to detect small lesions such as CMBs from standard resolution MRI. We tested different combinations of the three modalities to determine the most informative data sources for the detection tasks. In the detection of CMBs using single class and multiclass models, we achieved an average sensitivity and precision of between 0.84-0.88 and 0.40-0.59, respectively. The same framework detected non-hemorrhage iron deposits with an average sensitivity and precision of about 0.75-0.81 and 0.62-0.75, respectively. Our results showed that deep learning could automate the detection of small vessel disease lesions and including multimodal MR data (particularly QSM) can improve the detection of CMB and non-hemorrhage iron deposits with sensitivity and precision that is compatible with use in large-scale research studies.
• Abstract（参考訳）: 腰部大脳微小血腫(CMB)と基底神経節の非出血鉄鉱床は脳老化、血管疾患、神経変性疾患と関連している。 特に、CMBは小さな病変であり、正確な検出には複数の神経画像モダリティが必要である。 生体磁気共鳴画像(MRI)から得られた定量的感受性マッピング(QSM)は,鉄含有量と鉱化を区別するために必要である。 そこで我々は,CMBと鉄鉱床のセグメンテーションに適した深層学習に基づくセグメンテーション手法を開発した。 症例はMESAコホート24名で,T2強調画像,感受性強調画像(SWI),QSMを用いて2種類の病変を分離した。 基底核におけるCMBと非出血鉄鉱床の同時アノテーションのためのプロトコルを開発した。 この手動アノテーションは、ディープ畳み込みニューラルネットワーク(CNN)のトレーニングに使用された。 具体的には,標準解像度MRIからCMBなどの小病変を検出するために,高分解能層でU-Netモデルを適用した。 検出タスクの最も有益なデータソースを決定するために、3つのモダリティの異なる組み合わせをテストした。 単一クラスおよび多クラスモデルを用いたcmbの検出において,平均感度は0.84-0.88と0.40-0.59であった。 同じ枠組みで平均感度0.75-0.81 と 0.62-0.75 の非出血性鉄鉱床が検出された。 以上の結果から, 微小血管病変の検出は深層学習によって自動化され, マルチモーダルMRデータ(特にQSM)によるCMBおよび非出血鉄鉱床の検出は, 大規模研究での使用に適合する感度と精度で向上することが示唆された。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。 我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。 我々の推論速度は拡散法よりも1,400倍速い。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• 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)
• Preserved Edge Convolutional Neural Network for Sensitivity Enhancement of Deuterium Metabolic Imaging (DMI) [10.884358837187243]
  本研究は,Deuterium Metabolic Imaging (DMI)の感度向上のための深層学習手法を提案する。 畳み込みニューラルネットワーク(CNN)は低SNRから2H標識代謝物濃度を推定するために設計された。 推定精度は、MRIに基づく各DMIデータセットのエッジ保存正規化によるCNNの微調整によりさらに向上した。
  論文  参考訳（メタデータ） (2023-09-08T03:41:54Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Toward Automated Detection of Microbleeds with Anatomical Scale Localization: A Complete Clinical Diagnosis Support Using Deep Learning [7.935250296491891]
  脳微小出血(CMBs)は、脳組織の小さな血液産物の慢性的な沈着物である。 本稿では,CMBを検出するだけでなく,解剖学的位置を知らせる新しい3次元ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-22T16:29:46Z)
• Lightweight 3D Convolutional Neural Network for Schizophrenia diagnosis using MRI Images and Ensemble Bagging Classifier [1.487444917213389]
  本稿では,MRI画像を用いた統合失調症診断のための軽量3次元畳み込みニューラルネットワーク(CNN)フレームワークを提案する。 精度は92.22%、感度94.44%、特異度90%、精度90.43%、リコール94.44%、F1スコア92.39%、G平均92.19%である。
  論文  参考訳（メタデータ） (2022-11-05T10:27:37Z)
• Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI [3.427418283795734]
  本研究では,拡大した末梢血管空間(ePVS)の深部学習に基づく検出のためのMRI(MRI)の最適組み合わせを見出すことを目的とした。 我々は,ePVS検出に適応した有効軽量U-Netを実装し,SWI,FLAIR,T1-weighted (T1w) およびT2-weighted (T2w) MRIの様々な組み合わせについて検討した。 我々はT2w MRIがePVSの正確な検出に最も重要であり,SWI,FLAIR,FLAIRが組み込まれていると結論付けた。
  論文  参考訳（メタデータ） (2022-09-27T22:35:41Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Automated Segmentation of Brain Gray Matter Nuclei on Quantitative Susceptibility Mapping Using Deep Convolutional Neural Network [16.733578721523898]
  脳皮質下核の鉄蓄積異常は、様々な神経変性疾患と相関していると報告されている。 本稿では3次元畳み込みニューラルネットワーク(CNN)に基づく2分岐残基構造U-Net(DB-ResUNet)を提案する。
  論文  参考訳（メタデータ） (2020-08-03T14:32:30Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。