論文の概要: Fully automated quantification of in vivo viscoelasticity of prostate
zones using magnetic resonance elastography with Dense U-net segmentation
- arxiv url: http://arxiv.org/abs/2106.11284v1
- Date: Mon, 21 Jun 2021 17:36:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:10:15.035299
- Title: Fully automated quantification of in vivo viscoelasticity of prostate
zones using magnetic resonance elastography with Dense U-net segmentation
- Title（参考訳）: 密度U-netセグメンテーションを用いた磁気共鳴エラストグラフィーによる前立腺領域の生体内粘弾性の完全自動定量
- Authors: Nader Aldoj, Federico Biavati, Marc Dewey, Anja Hennemuth, Patrick
Asbach, Ingolf Sack
- Abstract要約: 粘弾性測定のための磁気共鳴エラストグラフィー (MRE) は, 適切な組織セグメンテーションに依存している。
前立腺の粒子力学的特性を自動集計するために, 解剖学的および粘弾性情報を抽出するのにMREデータが十分であるかどうかを検討した。
- 参考スコア（独自算出の注目度）: 1.304892050913381
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Magnetic resonance elastography (MRE) for measuring viscoelasticity heavily
depends on proper tissue segmentation, especially in heterogeneous organs such
as the prostate. Using trained network-based image segmentation, we
investigated if MRE data suffice to extract anatomical and viscoelastic
information for automatic tabulation of zonal mechanical properties of the
prostate. Overall, 40 patients with benign prostatic hyperplasia (BPH) or
prostate cancer (PCa) were examined with three magnetic resonance imaging (MRI)
sequences: T2-weighted MRI (T2w), diffusion-weighted imaging (DWI), and
MRE-based tomoelastography yielding six independent sets of imaging data per
patient (T2w, DWI, apparent diffusion coefficient (ADC), MRE magnitude, shear
wave speed, and loss angle maps). Combinations of these data were used to train
Dense U-nets with manually segmented masks of the entire prostate gland (PG),
central zone (CZ), and peripheral zone (PZ) in 30 patients and to validate them
in 10 patients. Dice score (DS), sensitivity, specificity, and Hausdorff
distance were determined. We found that segmentation based on MRE magnitude
maps alone (DS, PG: 0.93$\pm$0.04, CZ: 0.95$\pm$0.03, PZ: 0.77$\pm$0.05) was
more accurate than magnitude maps combined with T2w and DWI_b (DS, PG:
0.91$\pm$0.04, CZ: 0.91$\pm$0.06, PZ: 0.63$\pm$0.16) or T2w alone (DS, PG:
0.92$\pm$0.03, CZ: 0.91$\pm$0.04, PZ: 0.65$\pm$0.08). Automatically tabulated
MRE values were not different from ground-truth values (P>0.05). In conclusion:
MRE combined with Dense U-net segmentation allows tabulation of quantitative
imaging markers without manual analysis and independent of other MRI sequences
and can thus contribute to PCa detection and classification.
- Abstract（参考訳）: 粘弾性測定のための磁気共鳴エラストグラフィー(MRE)は、特に前立腺などの異種臓器において、適切な組織セグメント化に大きく依存する。
前立腺の粒子力学的特性を自動集計するために,MREデータで解剖学的および粘弾性情報を抽出するのに十分かどうかを検討した。
良性前立腺肥大症(BPH)または前立腺癌(PCa)の40例について,T2強調MRI(T2w),拡散強調MRI(DWI),MREベースの断層撮影(T2w,DWI,見かけ拡散係数(ADC),MRE大,せん断波速度,損失角マップ)を用いて検討した。
これらのデータの組み合わせは、30例の前立腺全層(pg)、中枢部(cz)、末梢部(pz)の手動分割マスクを用いた密集したu-netを訓練し、10例で検証するために用いられた。
味覚スコア (DS) , 感度, 特異度, ハウスドルフ距離を測定した。
我々は、MRE大域写像のみ(DS, PG: 0.93$\pm$0.04, CZ: 0.95$\pm$0.03, PZ: 0.77$\pm$0.05)は、T2wとDWI_b(DS, PG: 0.91$\pm$0.04, CZ: 0.91$\pm$0.06, PZ: 0.63$\pm$0.16)またはT2w単独(DS, PG: 0.92$\pm$0.03, CZ: 0.91$\pm$0.04, PZ: 0.65$\pm$0.08)よりも精度が高かった。
自動集計mre値は接地値と違いなかった(p>0.05)。
結論:MREとDense U-netのセグメンテーションを組み合わせることで、手動解析なしで定量的イメージングマーカーを集計し、他のMRIシーケンスとは独立して、PCaの検出と分類に寄与することができる。
関連論文リスト
- Evaluating the Impact of Sequence Combinations on Breast Tumor Segmentation in Multiparametric MRI [0.0]
mpMRIにおける配列の組み合わせの効果は未解明のままである。
DCE配列を用いたnnU-Netモデルは機能腫瘍容積(FTV)セグメンテーションにおいて0.69$pm$0.18のDice類似係数(DSC)を達成した。
論文 参考訳（メタデータ） (2024-06-12T02:09:05Z) - Minimally Interactive Segmentation of Soft-Tissue Tumors on CT and MRI
using Deep Learning [0.0]
我々は,CTおよびMRIを用いたソフト・タウト・腫瘍(STT)のための,最小限の対話型深層学習に基づくセグメンテーション法を開発した。
この方法は、畳み込みニューラルネットワークの入力として、腫瘍の極端な境界付近で6つの点をクリックする必要がある。
論文 参考訳（メタデータ） (2024-02-12T16:15:28Z) - Learned Local Attention Maps for Synthesising Vessel Segmentations [43.314353195417326]
我々は、T2 MRIのみから、Willis(CoW)円の主大脳動脈の分節を合成するためのエンコーダ・デコーダモデルを提案する。
これは、セグメンテーションラベルを拡張することによって生成された学習されたローカルアテンションマップを使用し、ネットワークはCoWの合成に関連するT2 MRIからのみ情報を抽出する。
論文 参考訳（メタデータ） (2023-08-24T15:32:27Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - 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) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z) - A Cascaded Residual UNET for Fully Automated Segmentation of Prostate
and Peripheral Zone in T2-weighted 3D Fast Spin Echo Images [1.6710577107094644]
前立腺癌の非侵襲的診断には多パラメータMR画像が有効であることが示されている。
本研究では,前立腺と周辺領域のセグメンテーションのための残留ブロック,カスケードMRes-UNETを用いた完全自動深層学習アーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-12-25T03:16:52Z) - Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI
using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。
前立腺切除術による脱線をMRIでトレーニングした。
前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
論文 参考訳（メタデータ） (2020-10-28T21:07:09Z) - Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic
and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。
モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-08-06T20:20:22Z) - Automatic lesion detection, segmentation and characterization via 3D
multiscale morphological sifting in breast MRI [3.4400216692203998]
そこで本研究では, 乳房MRIで4次元マルチモーダル乳房MRIデータを処理し, 病変検出, セグメンテーション, キャラクタリゼーションをユーザの介入なしに統合するシステムを提案する。
提案するCADシステムは,領域候補生成,特徴抽出,領域候補分類の3段階からなる。
同じ乳房MRIデータセットで評価したシステムと比較すると,本システムは乳房病変の検出と評価において良好な性能を発揮する。
論文 参考訳（メタデータ） (2020-07-07T04:39:13Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。