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

関連論文リスト

• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Neglectable effect of brain MRI data prepreprocessing for tumor segmentation [55.51261784032216]
  我々は,TCIA-GBMオープンソースデータセットを用いたマルチモーダルMRI脳がん画像セグメント化に関する総合的研究を報告する。 その結果、最も一般的な標準化手順は、ニューラルネットワークの性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
  本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。 GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。 実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
  論文  参考訳（メタデータ） (2022-02-21T04:37:25Z)
• Assessment of Data Consistency through Cascades of Independently Recurrent Inference Machines for fast and robust accelerated MRI reconstruction [0.0]
  データ一貫性(DC)は多モードデータの一般化と病理診断における堅牢性に不可欠である。 本研究は、非ループ最適化によりDCを評価するために、CIRIM (Independently Recurrent Inference Machines) のカスケードを提案する。 E2EVNは直流を明示的に定式化する必要があるのに対し、直流を暗黙的に強制する場合はCIRIMが最善であることを示す。
  論文  参考訳（メタデータ） (2021-11-30T15:34:30Z)
• Reference-based Magnetic Resonance Image Reconstruction Using Texture Transforme [86.6394254676369]
  高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。 変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。 提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2021-11-18T03:06:25Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
  本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
  論文  参考訳（メタデータ） (2021-07-07T19:06:34Z)
• DAN-Net: Dual-Domain Adaptive-Scaling Non-local Network for CT Metal Artifact Reduction [15.225899631788973]
  金属インプラントはCTスキャンでX線を著しく減衰させ、再構成された画像に深刻なアーティファクトをもたらす。 CTにおける金属アーチファクト低減(MAR)のためのネットワークモデルがいくつか提案されている。 MARのための新しいデュアルドメイン適応スケーリング非ローカルネットワーク(DAN-Net)を紹介します。
  論文  参考訳（メタデータ） (2021-02-16T08:09:16Z)
• Multiple-shooting adjoint method for whole-brain dynamic causal modeling [8.943170877509923]
  機能的MRI(fMRI)における全脳機能解析などの大規模システムに適したマルチショットアジョイント(MSA) MSAはEMよりもパラメータ値推定の精度が高い。 本研究では,自閉症スペクトラム障害(ASD)と制御の分類を機能的コネクトームと比較し改善した。
  論文  参考訳（メタデータ） (2021-02-14T05:00:12Z)
• Learning Multi-Modal Volumetric Prostate Registration with Weak Inter-Subject Spatial Correspondence [2.6894568533991543]
  MRシークエンスにおける前立腺の位置に関する事前情報のための補助入力をニューラルネットワークに導入する。 MR-TRUS前立腺データのラベルが弱いことから,最先端のディープラーニング手法に匹敵する登録品質を示した。
  論文  参考訳（メタデータ） (2021-02-09T16:48:59Z)
• Robust Deep AUC Maximization: A New Surrogate Loss and Empirical Studies on Medical Image Classification [63.44396343014749]
  AUCスコアに対する新たなマージンベースサロゲート損失関数を提案する。 一般的に使用されるものよりも頑丈である。 大規模な最適化の観点からも同じ利点を享受しながら、正方損失。 私たちの知る限りでは、DAMが大規模医療画像データセットで成功するのはこれが初めてです。
  論文  参考訳（メタデータ） (2020-12-06T03:41:51Z)

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。