論文の概要: MIMIR: Deep Regression for Automated Analysis of UK Biobank Body MRI
- arxiv url: http://arxiv.org/abs/2106.11731v1
- Date: Tue, 22 Jun 2021 13:09:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-23 20:44:36.140309
- Title: MIMIR: Deep Regression for Automated Analysis of UK Biobank Body MRI
- Title（参考訳）: MIMIR:イギリスのバイオバンク体MRIの自動解析のための深部回帰
- Authors: Taro Langner, Andr\'es Mart\'inez Mora, Robin Strand, H{\aa}kan
Ahlstr\"om, and Joel Kullberg
- Abstract要約: UK Biobank(UKB)は50万人以上のボランティアを大規模に調査し、健康関連情報を収集している。
医療画像はさらに10万人の被験者を対象とし、70,000回のフォローアップセッションを行い、臓器、筋肉、体組成の測定を可能にしている。
本研究は,英国ネック・トゥ・クニー・ボディMRIから対象メタデータの包括的プロファイルを自動的に予測する実験的な推論エンジンを提案する。
- 参考スコア（独自算出の注目度）: 1.4777718769290527
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: UK Biobank (UKB) is conducting a large-scale study of more than half a
million volunteers, collecting health-related information on genetics,
lifestyle, blood biochemistry, and more. Medical imaging furthermore targets
100,000 subjects, with 70,000 follow-up sessions, enabling measurements of
organs, muscle, and body composition. With up to 170,000 mounting MR images,
various methodologies are accordingly engaged in large-scale image analysis.
This work presents an experimental inference engine that can automatically
predict a comprehensive profile of subject metadata from UKB neck-to-knee body
MRI. In cross-validation, it accurately inferred baseline characteristics such
as age, height, weight, and sex, but also emulated measurements of body
composition by DXA, organ volumes, and abstract properties like grip strength,
pulse rate, and type 2 diabetic status (AUC: 0.866). The proposed system can
automatically analyze thousands of subjects within hours and provide individual
confidence intervals. The underlying methodology is based on convolutional
neural networks for image-based mean-variance regression on two-dimensional
representations of the MRI data. This work aims to make the proposed system
available for free to researchers, who can use it to obtain fast and
fully-automated estimates of 72 different measurements immediately upon release
of new UK Biobank image data.
- Abstract（参考訳）: UK Biobank(UKB)は50万人以上のボランティアを大規模に調査し、遺伝学、ライフスタイル、血液生化学などの健康関連情報を収集している。
医療画像はさらに10万人の被験者を対象とし、70,000回のフォローアップセッションを行い、臓器、筋肉、体組成の測定を可能にした。
最大170,000枚のMR画像を取り付けることで、様々な手法が大規模画像解析に関わっている。
本研究は,英国ネック・トゥ・クニー・ボディMRIから対象メタデータの包括的プロファイルを自動的に予測する実験的な推論エンジンを提案する。
クロスバリデーションでは, 年齢, 身長, 体重, 性別などのベースライン特性を正確に推定するとともに, DXA, 臓器体積, グリップ強度, 脈拍数, および2型糖尿病状態(AUC: 0.866。
提案システムは、時間内に何千もの被験者を自動的に分析し、個別の信頼区間を提供する。
基礎となる手法は、MRIデータの2次元表現に基づく画像に基づく平均分散回帰のための畳み込みニューラルネットワークに基づいている。
この研究は、イギリスのバイオバンク画像データの公開直後に72の異なる測定値の高速かつ完全に自動化された推定値を取得することができる研究者に、提案システムを無償で提供することを目的としている。
関連論文リスト
- TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。
このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。
このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文 参考訳（メタデータ） (2024-05-29T20:15:54Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - TotalSegmentator: robust segmentation of 104 anatomical structures in CT
images [48.50994220135258]
身体CT画像の深層学習セグメント化モデルを提案する。
このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
論文 参考訳（メタデータ） (2022-08-11T15:16:40Z) - Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of
Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。
この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。
いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文 参考訳（メタデータ） (2022-08-10T15:39:20Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Comprehensive Validation of Automated Whole Body Skeletal Muscle,
Adipose Tissue, and Bone Segmentation from 3D CT images for Body Composition
Analysis: Towards Extended Body Composition [0.6176955945418618]
ディープラーニングのような強力な人工知能のツールは、3D画像全体を分割し、すべての内部解剖の正確な測定を生成することができるようになった。
これにより、これまで存在した深刻なボトルネック、すなわち手動セグメンテーションの必要性の克服が可能になる。
これらの測定は不可能であったため、フィールドを非常に小さく限られたサブセットに制限した。
論文 参考訳（メタデータ） (2021-06-01T17:30:45Z) - Deep regression for uncertainty-aware and interpretable analysis of
large-scale body MRI [1.6799377888527687]
英国バイオバンクのような大規模医学研究は、医療画像技術を用いた数千人のボランティア参加者を調査した。
回帰のための畳み込みニューラルネットワークによる最近のアプローチは、これらの評価を自動的に行うことができる。
英国バイオバンクの4万人以上の被験者のMRIデータについて、これらのシステムは人間の年齢、体組成などを推定することができる。
論文 参考訳（メタデータ） (2021-05-17T13:12:20Z) - Uncertainty-Aware Body Composition Analysis with Deep Regression
Ensembles on UK Biobank MRI [3.972426663177761]
resnet50ニューラルネットワークを用いて,体組成の6つの測定値を自動的に推定した。
平均分散回帰と ensembling は相補的な効果を示し, 全予測平均絶対誤差を12%削減した。
その結果、深部回帰型アンサンブルは、最終的に1220,000以上の英国バイオバンクネックツーニーボディMRIのために体組成の自動化された不確実性測定を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2021-01-18T09:59:20Z) - iPhantom: a framework for automated creation of individualized
computational phantoms and its application to CT organ dosimetry [58.943644554192936]
本研究の目的は、患者固有の幻覚やデジタル双眼鏡の自動作成のための新しいフレームワーク、iPhantomを開発し、検証することである。
この枠組みは、個々の患者のCT画像における放射線感受性臓器への放射線線量を評価するために応用される。
iPhantomは、アンカーオルガンのDice similarity Coefficients (DSC) >0.6の精度で全ての臓器の位置を正確に予測し、他のオルガンのDSCは0.3-0.9である。
論文 参考訳（メタデータ） (2020-08-20T01:50:49Z) - Fully Automated and Standardized Segmentation of Adipose Tissue
Compartments by Deep Learning in Three-dimensional Whole-body MRI of
Epidemiological Cohort Studies [11.706960468832301]
全身MR画像から異なる脂肪組織成分の定量化と局在化が,代謝状態の解明に重要である。
本稿では,頑健で客観的なセグメンテーションを実現するために,3次元畳み込みニューラルネットワーク(DCNet)を提案する。
高速(5-7秒)かつ信頼性の高い脂肪組織セグメンテーションを高Dice重なりで得ることができる。
論文 参考訳（メタデータ） (2020-08-05T17:30:14Z) - Large-scale biometry with interpretable neural network regression on UK
Biobank body MRI [1.3439502310822151]
イギリスのバイオバンクがMRIで3万2000人以上の被験者を画像化
研究の可能性にもかかわらず、この膨大な量のデータは、確立された評価方法への挑戦を示す。
この研究では、ネック・トゥ・クニー・ボディMRIから様々な生物学的指標を自動的に推測するために、画像に基づく回帰のためにニューラルネットワークを訓練した。
論文 参考訳（メタデータ） (2020-02-17T09:47:58Z)
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。