論文の概要: Automatic hemisphere segmentation in rodent MRI with lesions
- arxiv url: http://arxiv.org/abs/2108.01941v1
- Date: Wed, 4 Aug 2021 10:14:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-05 13:13:34.890007
- Title: Automatic hemisphere segmentation in rodent MRI with lesions
- Title(参考訳): 病変を有するラットMRIにおける自動半球分割法
- Authors: Juan Miguel Valverde, Artem Shatillo, Riccardo de Feo, Jussi Tohka
- Abstract要約: 我々は、磁気共鳴(MR)画像において脳半球を分画する最初の完全自動手法である畳み込みニューラルネットワークであるMedicDeepLabv3+を提案する。
MedicDeepLabv3+は、バイアスフィールド補正やテンプレートへの登録のようなMR画像前処理を必要としないため、1秒未満でセグメンテーションを生成する。
我々の実験では、MedicDeepLabv3+は他の手法よりも優れており、脳と反対側の半球領域では平均Dice係数0.952と0.944が得られた。
- 参考スコア(独自算出の注目度): 0.4588028371034407
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present MedicDeepLabv3+, a convolutional neural network that is the first
completely automatic method to segment brain hemispheres in magnetic resonance
(MR) images of rodents with lesions. MedicDeepLabv3+ improves the
state-of-the-art DeepLabv3+ with an advanced decoder, incorporating spatial
attention layers and additional skip connections that, as we show in our
experiments, lead to more precise segmentations. MedicDeepLabv3+ requires no MR
image preprocessing, such as bias-field correction or registration to a
template, produces segmentations in less than a second, and its GPU memory
requirements can be adjusted based on the available resources. Using a large
dataset of 723 MR rat brain images, we evaluated our MedicDeepLabv3+, two
state-of-the-art convolutional neural networks (DeepLabv3+, UNet) and three
approaches that were specifically designed for skull-stripping rodent MR images
(Demon, RATS and RBET). In our experiments, MedicDeepLabv3+ outperformed the
other methods, yielding an average Dice coefficient of 0.952 and 0.944 in the
brain and contralateral hemisphere regions. Additionally, we show that despite
limiting the GPU memory and the training data to only three images, our
MedicDeepLabv3+ also provided satisfactory segmentations. In conclusion, our
method, publicly available at https://github.com/jmlipman/MedicDeepLabv3Plus,
yielded excellent results in multiple scenarios, demonstrating its capability
to reduce human workload in rodent neuroimaging studies.
- Abstract(参考訳): 我々は、磁気共鳴(MR)画像において脳半球を分画する最初の完全自動手法である畳み込みニューラルネットワークであるMedicDeepLabv3+を提案する。
MedicDeepLabv3+は、高度なデコーダで最先端のDeepLabv3+を改善し、空間的注意層と追加のスキップ接続を組み込むことで、より正確なセグメンテーションを実現する。
MedicDeepLabv3+は、バイアスフィールド補正やテンプレートへの登録などのMRイメージ前処理を必要とせず、1秒未満でセグメンテーションを生成し、利用可能なリソースに基づいてGPUメモリ要求を調整することができる。
723 MR MR 画像の大規模なデータセットを用いて,私たちの MedicDeepLabv3+,最先端の2つの畳み込みニューラルネットワーク (DeepLabv3+, UNet) と,頭蓋骨切断性 MR 画像 (Demon, RATS, RBET) 用に特別に設計された3つのアプローチを評価した。
私たちの実験では、medicdeeplabv3+は他の方法よりも優れており、脳と対側半球の領域では平均サイコロ係数0.952と0.944が得られた。
さらに,gpuメモリとトレーニングデータを3つのイメージに制限したものの,medicdeeplabv3+では十分なセグメンテーションを提供していた。
以上の結果から,結節性神経画像研究において,ヒトの作業量を減少させる能力を実証し,複数のシナリオにおいて優れた結果を得た。
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) - Self-Supervised Pretext Tasks for Alzheimer's Disease Classification using 3D Convolutional Neural Networks on Large-Scale Synthetic Neuroimaging Dataset [11.173478552040441]
アルツハイマー病(Alzheimer's Disease, AD)は、脳の局所的および広範な神経変性を誘導する疾患である。
本研究では、下流ADとCN分類のための特徴抽出器を訓練するための教師なし手法をいくつか評価した。
論文 参考訳(メタデータ) (2024-06-20T11:26:32Z) - Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。
最初はFlyTracingという名前のデータセットを構築しました。
本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文 参考訳(メタデータ) (2024-01-05T19:45:12Z) - DeepBrainPrint: A Novel Contrastive Framework for Brain MRI
Re-Identification [2.5855676778881334]
我々はDeepBrainPrintというAIベースのフレームワークを提案し、同じ患者の脳MRIスキャンを検索する。
当社のフレームワークは,3つの主要なイノベーションを伴う,半自己指導型のコントラスト型ディープラーニングアプローチです。
DeepBrainPrintをアルツハイマー病脳画像イニシアチブ(ADNI)のT1強調脳MRIの大規模なデータセットでテストした。
論文 参考訳(メタデータ) (2023-02-25T11:03:16Z) - Decomposing 3D Neuroimaging into 2+1D Processing for Schizophrenia
Recognition [25.80846093248797]
我々は2+1Dフレームワークで3Dデータを処理し、巨大なImageNetデータセット上に事前トレーニングされた強力な2D畳み込みニューラルネットワーク(CNN)ネットワークを利用して3Dニューロイメージング認識を実現することを提案する。
特に3次元磁気共鳴イメージング(MRI)の計測値は、隣接するボクセル位置に応じて2次元スライスに分解される。
グローバルプーリングは、アクティベーションパターンが機能マップ上にわずかに分散されているため、冗長な情報を除去するために適用される。
2次元CNNモデルにより処理されていない3次元の文脈情報を集約するために,チャネルワイドおよびスライスワイズ畳み込みを提案する。
論文 参考訳(メタデータ) (2022-11-21T15:22:59Z) - GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。
これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。
我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
論文 参考訳(メタデータ) (2022-07-18T06:01:29Z) - 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) - Reinforcement learning using Deep Q Networks and Q learning accurately
localizes brain tumors on MRI with very small training sets [0.0]
放射線学の深層学習は、悪名高い固有の限界に悩まされている。
我々はBraTS脳腫瘍データベースから30枚の2次元画像スライスを用いてDeep Qネットワークを訓練した。
次に、トレーニングされたDeep Qネットワークを、30のテストセットイメージの別セットでテストしました。
論文 参考訳(メタデータ) (2020-10-21T05:00:04Z) - Interpretation of 3D CNNs for Brain MRI Data Classification [56.895060189929055]
T1脳MRIにおける拡散テンソル画像の男女差について,これまでの知見を拡張した。
ボクセルの3次元CNN解釈を3つの解釈法の結果と比較する。
論文 参考訳(メタデータ) (2020-06-20T17:56:46Z) - 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) - RatLesNetv2: A Fully Convolutional Network for Rodent Brain Lesion
Segmentation [55.69352761176367]
本研究では, 磁気共鳴(MR)脳画像における病変の分画のための, RatLesNetv2 という完全畳み込みニューラルネットワーク(ConvNet)を提案する。
RatLesNetv2アーキテクチャはオートエンコーダに似ている。
RatLesNetv2をラット671例のT2負荷ラット脳MRI916例からなる非常に大きなデータセットで評価した。
論文 参考訳(メタデータ) (2020-01-24T18:40:39Z)
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。