Fugu-MT 論文翻訳(概要): Variational Autoencoders with a Structural Similarity Loss in Time of Flight MRAs

論文の概要: Variational Autoencoders with a Structural Similarity Loss in Time of Flight MRAs

arxiv url: http://arxiv.org/abs/2101.08052v1
Date: Wed, 20 Jan 2021 10:13:57 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 06:47:18.795197
Title: Variational Autoencoders with a Structural Similarity Loss in Time of Flight MRAs
Title（参考訳）: 飛行MRAにおける構造的類似性損失を有する変分オートエンコーダ
Authors: Kimberley M. Timmins, Irene C. van der Schaaf, Ynte M. Ruigrok, Birgitta K. Velthuis, Hugo J. Kuijf
Abstract要約: 飛行時磁気共鳴血管造影(TOF-MRA)は脳動脈の可視化と解析を可能にする。畳み込み畳み込みニューラルネットワークを用いた現在の異常検出は通常、最適化にボキセルワイズ平均誤差を使用する。 TOF-MRA再構築のための構造的類似度損失(SSIM)を有する可変オートエンコーダ(VAE)の最適化を提案する。
参考スコア（独自算出の注目度）: 0.07466390172678972
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Time-of-Flight Magnetic Resonance Angiographs (TOF-MRAs) enable visualization and analysis of cerebral arteries. This analysis may indicate normal variation of the configuration of the cerebrovascular system or vessel abnormalities, such as aneurysms. A model would be useful to represent normal cerebrovascular structure and variabilities in a healthy population and to differentiate from abnormalities. Current anomaly detection using autoencoding convolutional neural networks usually use a voxelwise mean-error for optimization. We propose optimizing a variational-autoencoder (VAE) with structural similarity loss (SSIM) for TOF-MRA reconstruction. A patch-trained 2D fully-convolutional VAE was optimized for TOF-MRA reconstruction by comparing vessel segmentations of original and reconstructed MRAs. The method was trained and tested on two datasets: the IXI dataset, and a subset from the ADAM challenge. Both trained networks were tested on a dataset including subjects with aneurysms. We compared VAE optimization with L2-loss and SSIM-loss. Performance was evaluated between original and reconstructed MRAs using mean square error, mean-SSIM, peak-signal-to-noise-ratio and dice similarity index (DSI) of segmented vessels. The L2-optimized VAE outperforms SSIM, with improved reconstruction metrics and DSIs for both datasets. Optimization using SSIM performed best for visual image quality, but with discrepancy in quantitative reconstruction and vascular segmentation. The larger, more diverse IXI dataset had overall better performance. Reconstruction metrics, including SSIM, were lower for MRAs including aneurysms. A SSIM-optimized VAE improved the visual perceptive image quality of TOF-MRA reconstructions. A L2-optimized VAE performed best for TOF-MRA reconstruction, where the vascular segmentation is important. SSIM is a potential metric for anomaly detection of MRAs.
Abstract（参考訳）: 飛行時磁気共鳴血管造影(TOF-MRA)は脳動脈の可視化と解析を可能にする。この分析は脳血管系や動脈瘤などの血管異常の正常な変化を示す可能性がある。モデルは正常な脳血管構造と健康な集団の変動を表現し、異常と区別するのに有用である。自動符号化畳み込みニューラルネットワークを用いた現在の異常検出は通常、最適化にvoxelwise平均エラーを使用する。 toF-MRA再構成のための構造類似性損失(SSIM)を用いた変分オートコーダ(VAE)の最適化を提案する。パッチをトレーニングした2D完全畳み込み型VAEをTOF-MRA再建に最適化した。この方法は、IXIデータセットとADAMチャレンジのサブセットの2つのデータセットでトレーニングされ、テストされた。両方のトレーニングされたネットワークは、動脈瘤患者を含むデータセット上でテストされた。 VAE最適化をL2-lossとSSIM-lossと比較した。平均二乗誤差, 平均SSIM, ピーク信号-雑音比, ダイス類似度指数 (DSI) を用いて, 元のMRAと再建したMRAの性能評価を行った。 L2最適化されたVAEはSSIMよりも優れており、再構築メトリクスと両方のデータセットのDSIが改善されている。 SSIMを用いた最適化は, 画像品質に最適であったが, 定量的再構成と血管分節の相違が認められた。より大きく、より多様なIXIデータセットは、全体的なパフォーマンスが向上した。 SSIMを含む再建指標は,大動脈瘤を含むMRAでは低値であった。 SSIMを最適化したVAEは、TOF-MRA再構成の視覚知覚画質を改善した。血管セグメンテーションが重要であるTOF-MRA再建には,L2最適化VAEが有効であった。 SSIMは、MRAの異常検出の潜在的な指標である。
全文参考訳へのリンク