論文の概要: ASL to PET Translation by a Semi-supervised Residual-based
Attention-guided Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2103.05116v1
- Date: Mon, 8 Mar 2021 22:06:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 02:15:02.635221
- Title: ASL to PET Translation by a Semi-supervised Residual-based
Attention-guided Convolutional Neural Network
- Title(参考訳): 半監視型残存型注意誘導畳み込みニューラルネットワークによるASL-PET翻訳
- Authors: Sahar Yousefi, Hessam Sokooti, Wouter M. Teeuwisse, Dennis F.R.
Heijtel, Aart J. Nederveen, Marius Staring, Matthias J.P. van Osch
- Abstract要約: 動脈スピンラベリング(ASL)MRIは、脳の血液力学的測定のための非侵襲的、非放射能的、および比較的安価なイメージング技術です。
本稿では,ASLをPET画像に変換する畳み込みニューラルネットワーク(CNN)モデルを提案する。
- 参考スコア(独自算出の注目度): 3.2480194378336464
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Positron Emission Tomography (PET) is an imaging method that can assess
physiological function rather than structural disturbances by measuring
cerebral perfusion or glucose consumption. However, this imaging technique
relies on injection of radioactive tracers and is expensive. On the contrary,
Arterial Spin Labeling (ASL) MRI is a non-invasive, non-radioactive, and
relatively cheap imaging technique for brain hemodynamic measurements, which
allows quantification to some extent. In this paper we propose a convolutional
neural network (CNN) based model for translating ASL to PET images, which could
benefit patients as well as the healthcare system in terms of expenses and
adverse side effects. However, acquiring a sufficient number of paired ASL-PET
scans for training a CNN is prohibitive for many reasons. To tackle this
problem, we present a new semi-supervised multitask CNN which is trained on
both paired data, i.e. ASL and PET scans, and unpaired data, i.e. only ASL
scans, which alleviates the problem of training a network on limited paired
data. Moreover, we present a new residual-based-attention guided mechanism to
improve the contextual features during the training process. Also, we show that
incorporating T1-weighted scans as an input, due to its high resolution and
availability of anatomical information, improves the results. We performed a
two-stage evaluation based on quantitative image metrics by conducting a 7-fold
cross validation followed by a double-blind observer study. The proposed
network achieved structural similarity index measure (SSIM), mean squared error
(MSE) and peak signal-to-noise ratio (PSNR) values of $0.85\pm0.08$,
$0.01\pm0.01$, and $21.8\pm4.5$ respectively, for translating from 2D ASL and
T1-weighted images to PET data. The proposed model is publicly available via
https://github.com/yousefis/ASL2PET.
- Abstract(参考訳): ポジトロン放出トモグラフィ(PET)は、脳灌流やグルコース摂取を測定することで、構造的障害ではなく生理機能を評価することができるイメージング方法です。
しかし、このイメージング技術は放射性トレーサの注入に依存し、高価です。
それとは対照的に、Arterial Spin Labeling (ASL) MRIは、脳血行動態測定のための非侵襲的、非放射能的、比較的安価なイメージング技術であり、ある程度の定量化を可能にする。
本稿では,ASLをPET画像に変換する畳み込みニューラルネットワーク(CNN)を用いたモデルを提案する。
しかし、CNNを訓練するために十分な数のASL-PETスキャンを取得することは、多くの理由から禁止されている。
この問題に対処するために、我々は、両方のペアデータ、すなわち、訓練されている新しい半教師付きマルチタスクCNNを提示する。
ASLとPETはスキャンし、無対数データ、すなわち。
限られたペアデータでネットワークをトレーニングする問題を緩和するaslスキャンのみである。
さらに、トレーニングプロセス中にコンテキスト機能を改善するための新しい残余ベースの注意ガイドメカニズムを紹介します。
また,T1重み付きスキャンを入力として組み込むことにより,その高解像度化と解剖学的情報の提供により,結果が向上することを示した。
7倍のクロス検証を行い, 定量的画像計測に基づく2段階評価を行い, 二重盲検実験を行った。
提案ネットワークは,2次元ASLおよびT1重み付き画像からPETデータへの変換において,構造類似度指数(SSIM),平均二乗誤差(MSE),ピーク信号-雑音比(PSNR)の値が0.85\pm0.08$,$0.01\pm0.01$,$1.8\pm4.5$を達成した。
提案モデルはhttps://github.com/yousefis/asl2petで公開されている。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳(メタデータ) (2024-09-29T07:04:26Z) - PEMMA: Parameter-Efficient Multi-Modal Adaptation for Medical Image Segmentation [5.056996354878645]
CTとPETの両方のスキャンが利用可能であれば、それらをセグメンテーションモデルへの入力の2つのチャネルとして組み合わせることが一般的である。
この方法は、トレーニングと推論の両方のスキャンタイプを必要とし、PETスキャンの可用性が制限されているため、課題を提起する。
変圧器を用いたセグメンテーションモデルの軽量アップグレードのためのパラメータ効率・マルチモーダル適応フレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-21T16:29:49Z) - 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) - Multi-delay arterial spin-labeled perfusion estimation with biophysics
simulation and deep learning [3.906145608074501]
4次元トレーサ伝搬画像から3次元U-Net(QTMnet)を推定する訓練を行った。
合成脳ASL画像の相対誤差は, 灌流Qでは7.04%, 単遅延ASLモデルでは25.15%, 多遅延ASLモデルでは12.62%であった。
論文 参考訳(メタデータ) (2023-11-17T16:55:14Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳(メタデータ) (2023-08-20T04:10:36Z) - Self-Supervised Pre-Training for Deep Image Prior-Based Robust PET Image
Denoising [0.5999777817331317]
ポジトロン・エミッション・トモグラフィ(PET)画像修復にDeep Image prior (DIP) が有効である。
DIPに基づくPET画像復調性能を改善するための自己教師付き事前学習モデルを提案する。
論文 参考訳(メタデータ) (2023-02-27T06:55:00Z) - PCRLv2: A Unified Visual Information Preservation Framework for
Self-supervised Pre-training in Medical Image Analysis [56.63327669853693]
本稿では,ピクセルレベルの情報を高レベルなセマンティクスに明示的にエンコードするための画素復元タスクを提案する。
また,画像理解を支援する強力なツールであるスケール情報の保存についても検討する。
提案されている統合SSLフレームワークは、さまざまなタスクで自己管理されたフレームワークを超越している。
論文 参考訳(メタデータ) (2023-01-02T17:47:27Z) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳(メタデータ) (2022-08-17T09:07:45Z) - Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。
DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。
本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-04T11:31:15Z) - Accurate and Efficient Intracranial Hemorrhage Detection and Subtype
Classification in 3D CT Scans with Convolutional and Long Short-Term Memory
Neural Networks [20.4701676109641]
RSNA頭蓋内出血検出のためのシステムについて紹介する。
提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。
最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
論文 参考訳(メタデータ) (2020-08-01T17:28:25Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳(メタデータ) (2020-04-03T14:07:41Z)
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。