論文の概要: Deep correction of breathing-related artifacts in real-time
MR-thermometry
- arxiv url: http://arxiv.org/abs/2011.05025v3
- Date: Tue, 22 Dec 2020 09:20:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 07:15:03.663291
- Title: Deep correction of breathing-related artifacts in real-time
MR-thermometry
- Title(参考訳): リアルタイムmrサーモメトリーによる呼吸関連アーティファクトの深部補正
- Authors: Baudouin Denis de Senneville, Pierrick Coup\'e, Mario Ries, Laurent
Facq, Chrit Moonen
- Abstract要約: 畳み込みニューラルネットワーク(CNN)は、温暖化以前の予備学習段階で得られた画像から、見かけの温度摂動を学習するために設計された。
その後の温熱処理では、現在の温度マップのオンライン補正を生成するために、最近の等級画像が入力として使用される。
術式は,12名の無呼吸ボランティアで評価され,すべての検査例で頑健で無人工物であることが判明した。
- 参考スコア(独自算出の注目度): 0.5727060643816255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-time MR-imaging has been clinically adapted for monitoring thermal
therapies since it can provide on-the-fly temperature maps simultaneously with
anatomical information. However, proton resonance frequency based thermometry
of moving targets remains challenging since temperature artifacts are induced
by the respiratory as well as physiological motion. If left uncorrected, these
artifacts lead to severe errors in temperature estimates and impair therapy
guidance. In this study, we evaluated deep learning for on-line correction of
motion related errors in abdominal MR-thermometry. For this, a convolutional
neural network (CNN) was designed to learn the apparent temperature
perturbation from images acquired during a preparative learning stage prior to
hyperthermia. The input of the designed CNN is the most recent magnitude image
and no surrogate of motion is needed. During the subsequent hyperthermia
procedure, the recent magnitude image is used as an input for the CNN-model in
order to generate an on-line correction for the current temperature map. The
method's artifact suppression performance was evaluated on 12 free breathing
volunteers and was found robust and artifact-free in all examined cases.
Furthermore, thermometric precision and accuracy was assessed for in vivo
ablation using high intensity focused ultrasound. All calculations involved at
the different stages of the proposed workflow were designed to be compatible
with the clinical time constraints of a therapeutic procedure.
- Abstract(参考訳): 生体情報と同時にオンザフライ温度マップを提供できるため、リアルタイムmr画像撮影は熱療法のモニタリングに臨床応用されている。
しかし, 運動標的の陽子共鳴周波数に基づく熱測定は, 温度アーティファクトは呼吸や生理運動によって誘導されるため, 依然として困難である。
修正されていない場合は、これらのアーティファクトは、温度推定と治療指導の重大なエラーにつながる。
本研究では,腹部mrサーモメトリーにおける動作関連誤差のオンライン補正のための深層学習の評価を行った。
このために、畳み込みニューラルネットワーク(convolutional neural network, cnn)は、ハイパーサーミア以前の予備学習段階で取得した画像から明らかな温度摂動を学習するために設計された。
設計したCNNの入力は最新の大きさの画像であり、動きの代理は不要である。
その後のハイパーサーミア手術では、現在の温度マップのオンライン補正を生成するために、cnnモデルの入力として最近のマグニチュード画像が使用される。
術式は,12名の無呼吸ボランティアで評価され,すべての検査例で頑健で無人工物であることが判明した。
さらに,高強度集束超音波を用いて生体内アブレーションの温度測定精度と精度を評価した。
ワークフローの異なる段階における全ての計算は、治療手順の臨床的時間制約に適合するように設計されている。
関連論文リスト
- PhysRFANet: Physics-Guided Neural Network for Real-Time Prediction of
Thermal Effect During Radiofrequency Ablation Treatment [0.9895793818721335]
本稿では物理誘導型ニューラルネットワークモデルPhysRFANetを提案する。
術前の腫瘍像では,96%のDiceスコアと0.4854のRMSE値が得られた。
論文 参考訳(メタデータ) (2023-12-21T15:36:52Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳(メタデータ) (2023-12-19T22:40:51Z) - 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) - Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。
トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。
実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
論文 参考訳(メタデータ) (2023-06-29T16:24:32Z) - Validated respiratory drug deposition predictions from 2D and 3D medical
images with statistical shape models and convolutional neural networks [47.187609203210705]
患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。
2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
論文 参考訳(メタデータ) (2023-03-02T07:47:07Z) - Minimally Invasive Live Tissue High-fidelity Thermophysical Modeling
using Real-time Thermography [0.487576911714538]
生体組織におけるエネルギーベース手術のための新しい熱力学的パラメータ推定フレームワークを提案する。
この枠組みは、組織固有の熱力学をリアルタイムで推定する問題に対処し、組織への熱的損傷の正確な予測と電気外科的手順の損傷を意識した計画を可能にする。
論文 参考訳(メタデータ) (2023-01-23T21:54:01Z) - Infinite-Dimensional Adaptive Boundary Observer for Inner-Domain
Temperature Estimation of 3D Electrosurgical Processes using Surface
Thermography Sensing [0.0]
電気外科における有機組織下温度測定のための新しい3次元適応オブザーバフレームワークを提案する。
本稿では,パラメータ適応と推定を分離し,パラメータ推定をリアルタイムで行う新しい手法を提案する。
本研究は,ロボット手術の設定に適応した新しいモデル構造を提示し,電気外科的熱分布をコンパクトに支持された等量および速度制御熱源としてモデル化する。
論文 参考訳(メタデータ) (2022-11-01T15:03:01Z) - Hierarchical Temperature Imaging Using Pseudo-Inversed Convolutional
Neural Network Aided TDLAS Tomography [16.39189394591311]
畳み込みニューラルネットワーク(CNN)は、画像再構成においてより堅牢で正確であることが証明されている。
階層型温度イメージングのためのPseudo-Inversed CNN(PI-CNN)を提案する。
論文 参考訳(メタデータ) (2021-06-05T14:14:41Z) - Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle
Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。
まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。
提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文 参考訳(メタデータ) (2020-12-24T17:48:35Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳(メタデータ) (2020-10-08T15:30:17Z) - Motion Pyramid Networks for Accurate and Efficient Cardiac Motion
Estimation [51.72616167073565]
本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。
我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。
そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
論文 参考訳(メタデータ) (2020-06-28T21:03:19Z)
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。