論文の概要: Automatic linear measurements of the fetal brain on MRI with deep neural networks

• arxiv url: http://arxiv.org/abs/2106.08174v1
• Date: Tue, 15 Jun 2021 14:20:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 15:02:12.255696
• Title: Automatic linear measurements of the fetal brain on MRI with deep neural networks
• Title（参考訳）: 深部神経回路を用いたMRIを用いた胎児脳の線形自動計測
• Authors: Netanell Avisdris, Bossmat Yehuda, Ori Ben-Zvi, Daphna Link-Sourani, Liat Ben-Sira, Elka Miller, Elena Zharkov, Dafna Ben Bashat and Leo Joskowicz
• Abstract要約: 本研究の目的は、胎児脳MRIを用いたCBD, BBD, TCDの完全自動計測法を開発することである。 1) 異方性3次元U-Net分類器を用いた胎児脳を含む興味領域の計算,2) 畳み込みニューラルネットワークによる参照スライス選択,3) 胎児脳中矢状線と胎児脳の向きの計算,5) 計測の計算である。
• 参考スコア（独自算出の注目度）: 3.48517618410801
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Timely, accurate and reliable assessment of fetal brain development is essential to reduce short and long-term risks to fetus and mother. Fetal MRI is increasingly used for fetal brain assessment. Three key biometric linear measurements important for fetal brain evaluation are Cerebral Biparietal Diameter (CBD), Bone Biparietal Diameter (BBD), and Trans-Cerebellum Diameter (TCD), obtained manually by expert radiologists on reference slices, which is time consuming and prone to human error. The aim of this study was to develop a fully automatic method computing the CBD, BBD and TCD measurements from fetal brain MRI. The input is fetal brain MRI volumes which may include the fetal body and the mother's abdomen. The outputs are the measurement values and reference slices on which the measurements were computed. The method, which follows the manual measurements principle, consists of five stages: 1) computation of a Region Of Interest that includes the fetal brain with an anisotropic 3D U-Net classifier; 2) reference slice selection with a Convolutional Neural Network; 3) slice-wise fetal brain structures segmentation with a multiclass U-Net classifier; 4) computation of the fetal brain midsagittal line and fetal brain orientation, and; 5) computation of the measurements. Experimental results on 214 volumes for CBD, BBD and TCD measurements yielded a mean $L_1$ difference of 1.55mm, 1.45mm and 1.23mm respectively, and a Bland-Altman 95% confidence interval ($CI_{95}$) of 3.92mm, 3.98mm and 2.25mm respectively. These results are similar to the manual inter-observer variability. The proposed automatic method for computing biometric linear measurements of the fetal brain from MR imaging achieves human level performance. It has the potential of being a useful method for the assessment of fetal brain biometry in normal and pathological cases, and of improving routine clinical practice.
• Abstract（参考訳）: 胎児の脳発達の時間的、正確かつ信頼性の高い評価は、胎児と母親に対する短期的および長期のリスクを軽減するために不可欠である。 胎児MRIは胎児脳アセスメントにますます用いられる。 胎児の脳評価に重要な3つの重要な生体計測的線形測定は、脳二頭径計(CBD)、骨二頭径計(BBD)、および経脳小脳径計(TCD)である。 本研究の目的は,胎児脳mriを用いたcbd,bbd,tcd測定値の完全自動計算法を開発することである。 入力は胎児脳MRIボリュームで、胎児体と母親の腹部を含む可能性がある。 出力は測定値と、測定値が計算された基準スライスである。 手動測定原理に従い、1)異方性3d u-net分類器による胎児脳を含む関心領域の計算、2)畳み込みニューラルネットワークによる参照スライス選択、3)マルチクラスu-net分類器を用いたスライスワイズ胎児脳構造分割、4)胎児脳中指線および胎児脳方位の計算、5)測定値の計算、の5段階からなる。 CBD, BBD, TCDの214巻実験の結果, 平均L_1$差は1.55mm, 1.45mm, 1.23mmであり, Bland-Altman 95%信頼区間は3.92mm, 3.98mm, 2.25mmであった。 これらの結果は手動のobserver間可変性に似ている。 MR画像から胎児の脳の生体計測を自動計算する手法は,人体レベルの性能を実現する。 正常および病理症例における胎児脳バイオメトリーの評価方法として有用であり、定期的な臨床実践の改善に有用である可能性がある。

関連論文リスト

• Detailed delineation of the fetal brain in diffusion MRI via multi-task learning [5.261252388770444]
  我々は,脳組織を白白質,皮質/皮質下灰白質,脳脊髄液に分割する統一的な計算枠組みを開発し,検証した。 これらのラベルを用いて,3つの計算を行うためのマルチタスク深層学習法を開発し,検証した。
  論文  参考訳（メタデータ） (2024-08-26T13:51:04Z)
• Anatomically Constrained Tractography of the Fetal Brain [6.112565873653592]
  我々は,dMRI空間内での胎児脳組織の正確な分画に基づく解剖学的拘束性トラクトグラフィーを提唱する。 独立試験データを用いて実験したところ、この方法は胎児の脳組織を正確に分画し、トラクトグラフィーの結果を大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2024-03-04T19:56:19Z)
• Fetal-BET: Brain Extraction Tool for Fetal MRI [4.214523989654048]
  約72,000個の胎児脳MRI画像の注釈付きデータセットを構築した。 このデータセットを用いて、U-Netスタイルアーキテクチャのパワーを利用してディープラーニング手法を開発し、検証した。 本手法では,マルチコントラスト(マルチシーケンス)胎児MRIデータからの豊富な情報を活用し,胎児の脳構造を正確に把握する。
  論文  参考訳（メタデータ） (2023-10-02T18:14:23Z)
• Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance from High-Quality Isotropic Volumes [52.242103848335354]
  本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。 我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
  論文  参考訳（メタデータ） (2023-08-13T12:51:15Z)
• 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)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• 3-Dimensional Deep Learning with Spatial Erasing for Unsupervised Anomaly Segmentation in Brain MRI [55.97060983868787]
  我々は,MRIボリュームと空間消去を組み合わせた空間文脈の増大が,教師なしの異常セグメンテーション性能の向上に繋がるかどうかを検討する。 本稿では,2次元変分オートエンコーダ(VAE)と3次元の相違点を比較し,3次元入力消去を提案し,データセットサイズが性能に与える影響を体系的に検討する。 入力消去による最高の3D VAEは、平均DICEスコアが31.40%となり、2D VAEは25.76%となった。
  論文  参考訳（メタデータ） (2021-09-14T09:17:27Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Bayesian convolutional neural network based MRI brain extraction on nonhuman primates [2.2182171526013774]
  最近の自動脳抽出法はヒトの脳に良い結果をもたらすが、ヒト以外の霊長類には満足できない。 深部ベイズ畳み込みニューラルネットワーク(CNN)と完全連結3次元条件付きランダムフィールド(CRF)を組み合わせた完全自動脳抽出パイプラインを提案する。 提案手法は,100個の非ヒト霊長類のT1w画像からなる手動脳抽出データセットを用いて評価した。
  論文  参考訳（メタデータ） (2020-05-18T05:08:30Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。