論文の概要: 3D-QCNet -- A Pipeline for Automated Artifact Detection in Diffusion MRI images

• arxiv url: http://arxiv.org/abs/2103.05285v1
• Date: Tue, 9 Mar 2021 08:21:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-11 11:19:48.869637
• Title: 3D-QCNet -- A Pipeline for Automated Artifact Detection in Diffusion MRI images
• Title（参考訳）: 3D-QCNet -- 拡散MRI画像の自動アーチファクト検出パイプライン
• Authors: Adnan Ahmad, Drew Parker, Zahra Riahi Samani, Ragini Verma
• Abstract要約: アーティファクトは拡散MRI(Diffusion MRI)スキャンでよく見られる。 アーティファクト検出のためのqcメソッドはいくつか存在するが、手作業による介入や、さまざまなアーティファクトやデータセットを汎用化できないといった問題に苦しんでいる。 3D-Densenetアーキテクチャを使用した自動ディープラーニング(DL)パイプラインを提案し、自動アーティファクト検出のための拡散ボリュームのモデルを訓練する。
• 参考スコア（独自算出の注目度）: 0.5735035463793007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artifacts are a common occurrence in Diffusion MRI (dMRI) scans. Identifying and removing them is essential to ensure the accuracy and viability of any post processing carried out on these scans. This makes QC (quality control) a crucial first step prior to any analysis of dMRI data. Several QC methods for artifact detection exist, however they suffer from problems like requiring manual intervention and the inability to generalize across different artifacts and datasets. In this paper, we propose an automated deep learning (DL) pipeline that utilizes a 3D-Densenet architecture to train a model on diffusion volumes for automatic artifact detection. Our method is applied on a vast dataset consisting of 9000 volumes sourced from 7 large clinical datasets. These datasets comprise scans from multiple scanners with different gradient directions, high and low b values, single shell and multi shell acquisitions. Additionally, they represent diverse subject demographics like the presence or absence of pathologies. Our QC method is found to accurately generalize across this heterogenous data by correctly detecting 92% artifacts on average across our test set. This consistent performance over diverse datasets underlines the generalizability of our method, which currently is a significant barrier hindering the widespread adoption of automated QC techniques. For these reasons, we believe that 3D-QCNet can be integrated in diffusion pipelines to effectively automate the arduous and time-intensive process of artifact detection.
• Abstract（参考訳）: アーティファクトは拡散MRI(Diffusion MRI)スキャンでよく見られる。 これらのスキャンで行った後処理の正確性と有効性を保証するには、それらを特定し、取り除くことが不可欠である。 これにより、qc(quality control)はdmriデータの解析に先立って重要な第一歩となる。 アーティファクト検出のためのqcメソッドはいくつか存在するが、手作業による介入や、さまざまなアーティファクトやデータセットを汎用化できないといった問題に苦しんでいる。 本稿では,3D-Densenetアーキテクチャを利用した自動ディープラーニング(DL)パイプラインを提案する。 本手法は,7つの大規模臨床データセットから抽出した9000巻からなる膨大なデータセットに適用する。 これらのデータセットは、異なる勾配方向、高値と低値の複数のスキャナからのスキャン、シングルシェル、マルチシェル取得で構成されている。 さらに、病理の存在や欠如など、さまざまな主題の人口統計を表します。 我々のQC法は,テストセット全体で平均92%のアーティファクトを正確に検出することにより,この異種データを正確に一般化する。 多様なデータセットに対するこの一貫したパフォーマンスは、現在、自動化されたQC技術の普及を妨げる重要な障壁である私たちの方法の汎用性を強調しています。 これらの理由から、3D-QCNetを拡散パイプラインに統合して、アーティファクト検出の困難かつ時間を要するプロセスを効果的に自動化できると考えている。

関連論文リスト

• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• M3Dsynth: A dataset of medical 3D images with AI-generated local manipulations [10.20962191915879]
  M3DsynthはCT(Computed Tomography)肺画像の大規模なデータセットである。 実際のCTで肺がん結節を注入または除去することにより,操作画像を作成する。 実験の結果、これらの画像は簡単に自動診断ツールを騙すことが判明した。
  論文  参考訳（メタデータ） (2023-09-14T18:16:58Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Wide Range MRI Artifact Removal with Transformers [1.1305386767685186]
  磁気共鳴スキャンの成果は、放射線科医やコンピュータ支援診断システムにとって深刻な課題である。 そこで本研究では,原画像から8つの共通アーティファクトを遡及的に除去する手法を提案する。 提案手法は,Swin変換器によるEmphウインドウ中心アプローチを一般化した,新しいトランスベースニューラルネットワークの設計により実現された。
  論文  参考訳（メタデータ） (2022-10-14T17:16:03Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
  Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。 本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。 最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
  論文  参考訳（メタデータ） (2021-04-20T05:43:44Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Uniformizing Techniques to Process CT scans with 3D CNNs for Tuberculosis Prediction [5.270882613122642]
  深部2次元畳み込みニューラルネットワーク(CNN)を用いたボリュームデータにおける医用画像解析への共通アプローチ 個々のスライスを2D CNNで独立に扱うと、意図したタスクのパフォーマンスが低下する深度情報を意図的に破棄する。 上記の問題に対処するためのボリューム均一化手法のセットを評価する。 画像情報のみを活用する全手法に勝るテストセットに対して,曲線下面積 (AUC) と二分分類精度 (ACC) を67.5%と報告した。
  論文  参考訳（メタデータ） (2020-07-26T21:53:47Z)
• Volumetric landmark detection with a multi-scale shift equivariant neural network [16.114319747246334]
  本稿では,3次元画像における高速かつメモリ効率の高いランドマーク検出を実現するマルチスケールのエンドツーエンドディープラーニング手法を提案する。 今回我々は,263個のCT上における頸動脈分岐検出法について検討し,平均ユークリッド距離2.81mmで最先端の精度を実現した。
  論文  参考訳（メタデータ） (2020-03-03T17:06:19Z)

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。