論文の概要: Applications of Deep Learning Techniques for Automated Multiple
Sclerosis Detection Using Magnetic Resonance Imaging: A Review
- arxiv url: http://arxiv.org/abs/2105.04881v1
- Date: Tue, 11 May 2021 09:08:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-12 13:48:55.609220
- Title: Applications of Deep Learning Techniques for Automated Multiple
Sclerosis Detection Using Magnetic Resonance Imaging: A Review
- Title（参考訳）: 磁気共鳴画像を用いた多発性硬化症自動検出のためのディープラーニング技術の応用
- Authors: Afshin Shoeibi, Marjane Khodatars, Mahboobeh Jafari, Parisa Moridian,
Mitra Rezaei, Roohallah Alizadehsani, Fahime Khozeimeh, Juan Manuel Gorriz,
J\'onathan Heras, Maryam Panahiazar, Saeid Nahavandi, U. Rajendra Acharya
- Abstract要約: 多発性硬化症(Multiple Sclerosis、MS)は、神経系の機能に有害な影響を与える人の視覚、感覚、運動の障害を引き起こす脳疾患である。
近年,MRIを用いたMSの正確な診断のために,人工知能(AI)に基づくコンピュータ支援診断システム(CADS)が提案されている。
本稿では,MRI のニューロイメージング・モダリティを用いた DL 技術を用いた自動MS診断法について概説する。
- 参考スコア（独自算出の注目度）: 11.505730390079645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multiple Sclerosis (MS) is a type of brain disease which causes visual,
sensory, and motor problems for people with a detrimental effect on the
functioning of the nervous system. In order to diagnose MS, multiple screening
methods have been proposed so far; among them, magnetic resonance imaging (MRI)
has received considerable attention among physicians. MRI modalities provide
physicians with fundamental information about the structure and function of the
brain, which is crucial for the rapid diagnosis of MS lesions. Diagnosing MS
using MRI is time-consuming, tedious, and prone to manual errors. Hence,
computer aided diagnosis systems (CADS) based on artificial intelligence (AI)
methods have been proposed in recent years for accurate diagnosis of MS using
MRI neuroimaging modalities. In the AI field, automated MS diagnosis is being
conducted using (i) conventional machine learning and (ii) deep learning (DL)
techniques. The conventional machine learning approach is based on feature
extraction and selection by trial and error. In DL, these steps are performed
by the DL model itself. In this paper, a complete review of automated MS
diagnosis methods performed using DL techniques with MRI neuroimaging
modalities are discussed. Also, each work is thoroughly reviewed and discussed.
Finally, the most important challenges and future directions in the automated
MS diagnosis using DL techniques coupled with MRI modalities are presented in
detail.
- Abstract（参考訳）: 多発性硬化症 (Multiple Sclerosis, MS) は、神経系の機能に有害な視覚障害、感覚障害、運動障害を引き起こす脳疾患の一種である。
MSを診断するためには、これまで複数のスクリーニング法が提案されており、その中でもMRI(MRI)が医師の間で注目されている。
MRIモダリティは、医師に脳の構造と機能に関する基本的な情報を与え、MS病変の迅速診断に不可欠である。
MRIを用いたMSの診断には時間がかかり、面倒で、手動によるエラーも起こりやすい。
そのため,近年,MRIを用いたMRIによるMSの正確な診断のために,人工知能(AI)に基づくコンピュータ支援診断システム(CADS)が提案されている。
AI分野では、(i)従来の機械学習と(ii)ディープラーニング(DL)技術を用いて、自動MS診断が実施されている。
従来の機械学習アプローチは、試行錯誤による特徴抽出と選択に基づいている。
DLでは、これらのステップはDLモデル自体によって実行される。
本稿では,MRI のニューロイメージング・モダリティを用いた DL 技術を用いた自動MS診断法について概説する。
また、それぞれの作品を徹底的にレビューし、議論する。
最後に, DL法とMRIモダリティを併用した自動MS診断における課題と今後の方向性について述べる。
関連論文リスト
- Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - Video4MRI: An Empirical Study on Brain Magnetic Resonance Image
Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。
本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。
効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
論文 参考訳（メタデータ） (2023-02-24T15:26:31Z) - Automatic Autism Spectrum Disorder Detection Using Artificial
Intelligence Methods with MRI Neuroimaging: A Review [11.1297848681272]
従来の機械学習(ML)とディープラーニング(DL)は、ASDの診断に使用されるAIの最も一般的なスキームである。
本研究はAIを用いたASDの自動検出の見直しを目的とする。
論文 参考訳（メタデータ） (2022-06-20T16:14:21Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - Input Agnostic Deep Learning for Alzheimer's Disease Classification
Using Multimodal MRI Images [1.4848525762485871]
アルツハイマー病(英語: Alzheimer's disease、AD)は、記憶障害や機能障害を引き起こす進行性脳疾患である。
本研究では,通常の認知,軽度認知障害,ADクラスを分類するために,マルチモーダル・ディープ・ラーニング・アプローチを用いる。
論文 参考訳（メタデータ） (2021-07-19T08:19:34Z) - Experimenting with Knowledge Distillation techniques for performing
Brain Tumor Segmentation [0.0]
マルチモーダルMRI(Multi-modal magnetic resonance imaging)は、ヒト脳を解析するための重要な方法である。
重症度と検出の程度が異なるため、グリオーマを適切に診断することは、現代の医学において最も厄介で重要な分析課題の1つである。
私たちの主な焦点は、マルチモーダルMRIスキャンで脳腫瘍のセグメント化を行うために、さまざまなアプローチで作業することにあります。
論文 参考訳（メタデータ） (2021-05-24T18:17:01Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳（メタデータ） (2021-05-18T11:37:57Z) - Multiple Sclerosis Lesion Analysis in Brain Magnetic Resonance Images:
Techniques and Clinical Applications [22.410543483471915]
多発性硬化症(MS)は、中枢神経系の慢性炎症性および変性疾患である。
伝統的に、MS病変は手動で2DMRIスライスに注釈付けされている。
深層学習技術は,ms病変分割タスクにおいて著しいブレークスルーを達成した。
論文 参考訳（メタデータ） (2021-04-20T15:08:51Z) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。