論文の概要: Swap-Free Fat-Water Separation in Dixon MRI using Conditional Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2107.14175v1
• Date: Thu, 29 Jul 2021 16:56:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-30 13:11:18.345354
• Title: Swap-Free Fat-Water Separation in Dixon MRI using Conditional Generative Adversarial Networks
• Title（参考訳）: 条件付き生成逆数ネットワークを用いたディクソンMRIにおける無脂肪水分離
• Authors: Nicolas Basty, Marjola Thanaj, Madeleine Cule, Elena P. Sorokin, Yi Liu, Jimmy D. Bell, E. Louise Thomas, and Brandon Whitcher
• Abstract要約: 大規模なボディボリュームに関連する現在の処理方法は、時間集約的であり、アーティファクトになりがちである。 最も一般的な人工物は脂肪水スワップであり、ラベルはボクセルレベルで逆転している。 本研究では, 条件付き生成対向ネットワークを用いて, 脂肪チャネルと水チャネルを正確に分離する高速で堅牢な手法を提案する。
• 参考スコア（独自算出の注目度）: 1.523918927562893
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dixon MRI is widely used for body composition studies. Current processing methods associated with large whole-body volumes are time intensive and prone to artifacts during fat-water separation performed on the scanner, making the data difficult to analyse. The most common artifact are fat-water swaps, where the labels are inverted at the voxel level. It is common for researchers to discard swapped data (generally around 10%), which can be wasteful and lead to unintended biases. The UK Biobank is acquiring Dixon MRI for over 100,000 participants, and thousands of swaps will occur. If those go undetected, errors will propagate into processes such as abdominal organ segmentation and dilute the results in population-based analyses. There is a clear need for a fast and robust method to accurately separate fat and water channels. In this work we propose such a method based on style transfer using a conditional generative adversarial network. We also introduce a new Dixon loss function for the generator model. Using data from the UK Biobank Dixon MRI, our model is able to predict highly accurate fat and water channels that are free from artifacts. We show that the model separates fat and water channels using either single input (in-phase) or dual input (in-phase and opposed-phase), with the latter producing improved results. Our proposed method enables faster and more accurate downstream analysis of body composition from Dixon MRI in population studies by eliminating the need for visual inspection or discarding data due to fat-water swaps.
• Abstract（参考訳）: ディクソンMRIは体組成研究に広く用いられている。 大規模な全身ボリュームに関連する現在の処理方法は、スキャナ上での脂肪-水分離中にアーチファクトに時間を要するため、分析が困難である。 最も一般的な人工物は脂肪水スワップであり、ラベルはボクセルレベルで逆転している。 研究者にとって、交換されたデータ(一般的に約10%)を捨てることが一般的であり、無駄になり、意図しない偏見につながる。 英国バイオバンクは、Dixon MRIを10万人以上の参加者で買収する。 検出されていない場合、エラーは腹部臓器のセグメンテーションなどのプロセスに伝播し、集団分析の結果を希薄化する。 脂肪と水チャネルを正確に分離する高速で堅牢な方法が必要であることは明らかである。 本稿では,条件付き生成型adversarial networkを用いたスタイル転送に基づく手法を提案する。 また、ジェネレータモデルのための新しいディクソン損失関数も導入する。 イギリスのバイオバンクDixon MRIのデータを用いて、我々のモデルは、人工物のない高度に正確な脂肪と水チャネルを予測することができる。 モデルでは, 単一入力 (相) または二重入力 (相) を用いて, 脂肪と水チャネルを分離し, 後者が改良された結果を示す。 提案手法は, 脂肪水交換による視覚的検査やデータ廃棄の必要性をなくし, ディクソンmriを用いたより高速かつ正確な体組成解析を可能にする。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• 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)
• Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
  三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。 本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
  論文  参考訳（メタデータ） (2023-07-13T10:21:34Z)
• Physics-informed Deep Diffusion MRI Reconstruction with Synthetic Data: Break Training Data Bottleneck in Artificial Intelligence [27.618154067389018]
  拡散磁気共鳴イメージング(MRI)は、非侵襲的な水分子の動き検出のための唯一の画像モダリティである。 マルチショット技術によって得られたDWIは,高分解能,信号対雑音比,幾何歪みの低減を実現している。 これらのアーティファクトは将来的に除去できないため、アーティファクトフリーのトレーニングラベルが欠落する。 高品質なペアリング学習データを合成するための物理インフォームド深部DWI再構成法(PIDD)を提案する。
  論文  参考訳（メタデータ） (2022-10-20T16:27:54Z)
• Automatic fetal fat quantification from MRI [1.9833224525631483]
  本稿では,Dixon MRIに基づく胎児脂肪分画の深層学習手法を提案する。 1) モデルに基づく半自動胎児脂肪分画は, 放射線技師がレビューし, 修正し, 2) 自動胎児脂肪分画は, 結果として得られたアノテートデータセットに基づいて訓練されたDLネットワークを用いて行われる。 これらの新しいセグメンテーション法と短いMRI取得時間を用いて、クリニックおよび大規模コホート研究において、個々の胎児に対して全身皮下脂質を定量化することができる。
  論文  参考訳（メタデータ） (2022-09-08T12:07:12Z)
• 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)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Filtering in tractography using autoencoders (FINTA) [5.8135956130576965]
  拡散MRIからストリームラインをフィルタリングするオートエンコーダに基づく新しい学習法について述べる。 我々の手法はFINTAと呼ばれ、生の未計算のトラクトグラムを用いてオートエンコーダを訓練し、脳の流動性の堅牢な表現を学習する。 その結果,FINTAは従来の解剖学的手法に比べてフィルタ性能が優れていることがわかった。
  論文  参考訳（メタデータ） (2020-10-07T16:45:55Z)
• Large-scale inference of liver fat with neural networks on UK Biobank body MRI [1.3439502310822151]
  頸部から膝にかけてのMRIによる肝脂肪の自動推定のための新しい枠組みを提案する。 ResNet50は、これらのスキャンから2次元スライスとターゲットとしての基準値の回帰のために訓練された。 ネットワークは、脂肪分率値の非線形性を正し、基準値のいくつかの外れ値を特定することを学習した。
  論文  参考訳（メタデータ） (2020-06-30T13:33:30Z)

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。