論文の概要: Disease-oriented image embedding with pseudo-scanner standardization for
content-based image retrieval on 3D brain MRI
- arxiv url: http://arxiv.org/abs/2108.06518v1
- Date: Sat, 14 Aug 2021 11:19:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-17 15:15:01.287177
- Title: Disease-oriented image embedding with pseudo-scanner standardization for
content-based image retrieval on 3D brain MRI
- Title（参考訳）: 疑似スカンナーによる3次元脳mri画像検索のための疾患指向画像埋め込み
- Authors: Hayato Arai, Yuto Onga, Kumpei Ikuta, Yusuke Chayama, Hitoshi Iyatomi,
Kenichi Oishi
- Abstract要約: 疑似スキャナ標準化 (DI-PSS) を用いた病的指向画像埋め込み方式を提案する。
ディープラーニングを用いた3Dコンボリューショナルオートエンコーダ(3D-CAE)は, 疾患の特徴を反映した低次元埋め込みを実現する。
ベースライン条件と比較すると, アルツハイマー病 (AD) から臨床正常 (CN) , パーキンソン病 (PD) までの距離の変動は15.8-22.6%, 18.0-29.9%減少した。
- 参考スコア（独自算出の注目度）: 2.9360071145551068
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: To build a robust and practical content-based image retrieval (CBIR) system
that is applicable to a clinical brain MRI database, we propose a new framework
-- Disease-oriented image embedding with pseudo-scanner standardization
(DI-PSS) -- that consists of two core techniques, data harmonization and a
dimension reduction algorithm. Our DI-PSS uses skull stripping and
CycleGAN-based image transformations that map to a standard brain followed by
transformation into a brain image taken with a given reference scanner. Then,
our 3D convolutioinal autoencoders (3D-CAE) with deep metric learning acquires
a low-dimensional embedding that better reflects the characteristics of the
disease. The effectiveness of our proposed framework was tested on the
T1-weighted MRIs selected from the Alzheimer's Disease Neuroimaging Initiative
and the Parkinson's Progression Markers Initiative. We confirmed that our PSS
greatly reduced the variability of low-dimensional embeddings caused by
different scanner and datasets. Compared with the baseline condition, our PSS
reduced the variability in the distance from Alzheimer's disease (AD) to
clinically normal (CN) and Parkinson disease (PD) cases by 15.8-22.6% and
18.0-29.9%, respectively. These properties allow DI-PSS to generate lower
dimensional representations that are more amenable to disease classification.
In AD and CN classification experiments based on spectral clustering, PSS
improved the average accuracy and macro-F1 by 6.2% and 10.7%, respectively.
Given the potential of the DI-PSS for harmonizing images scanned by MRI
scanners that were not used to scan the training data, we expect that the
DI-PSS is suitable for application to a large number of legacy MRIs scanned in
heterogeneous environments.
- Abstract（参考訳）: 臨床脳MRIデータベースに適用可能な,堅牢で実用的なコンテンツベース画像検索(CBIR)システムを構築するために,2つのコア技術,データ調和と次元縮小アルゴリズムからなる,疾患指向の画像埋め込み(DI-PSS)を提案する。
我々のDI-PSSは頭蓋骨のストリッピングとCycleGANベースの画像変換を使用して、標準脳にマップし、次に所定の参照スキャナーで撮影された脳画像に変換する。
そして, 深度学習による3次元コンボリューショナルオートエンコーダ(3D-CAE)は, 疾患の特徴を反映した低次元埋め込みを得る。
提案手法の有効性を,アルツハイマー病神経画像イニシアチブとパーキンソン病進行マーカーイニシアチブから選択したT1強調MRIを用いて検討した。
我々はPSSがスキャナーとデータセットの違いによる低次元埋め込みのばらつきを大幅に低減したことを確認した。
ベースライン条件と比較すると, アルツハイマー病 (AD) から臨床正常 (CN) , パーキンソン病 (PD) までの距離の変動は15.8-22.6%, 18.0-29.9%減少した。
これらの性質により、DI-PSSは病気の分類に適した低次元表現を生成することができる。
スペクトルクラスタリングに基づくADとCNの分類実験では、PSSはそれぞれ平均精度を6.2%、マクロF1を10.7%改善した。
トレーニングデータのスキャンに使用されなかったMRIスキャナーによってスキャンされた画像の調和化のためのDI-PSSの可能性を考えると,DI-PSSは異種環境でスキャンされた多数のレガシーMRIに適用するのに適していると考えられる。
関連論文リスト
- Exploration of Multi-Scale Image Fusion Systems in Intelligent Medical Image Analysis [3.881664394416534]
MRI画像上で脳腫瘍の自動分離を行う必要がある。
このプロジェクトは、U-Netに基づいたMRIアルゴリズムを構築することを目的としている。
論文 参考訳（メタデータ） (2024-05-23T04:33:12Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳（メタデータ） (2024-04-15T02:41:55Z) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-01T10:10:46Z) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - Lightweight 3D Convolutional Neural Network for Schizophrenia diagnosis
using MRI Images and Ensemble Bagging Classifier [1.487444917213389]
本稿では,MRI画像を用いた統合失調症診断のための軽量3次元畳み込みニューラルネットワーク(CNN)フレームワークを提案する。
精度は92.22%、感度94.44%、特異度90%、精度90.43%、リコール94.44%、F1スコア92.39%、G平均92.19%である。
論文 参考訳（メタデータ） (2022-11-05T10:27:37Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - 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) - Interpretability Aware Model Training to Improve Robustness against
Out-of-Distribution Magnetic Resonance Images in Alzheimer's Disease
Classification [8.050897403457995]
異なるMRIハードウェアから派生した分布外サンプルに対するロバスト性を改善するために,解釈可能性を考慮した対向訓練システムを提案する。
本報告では, 分布外のサンプルに対して有望な性能を示す予備的な結果を示す。
論文 参考訳（メタデータ） (2021-11-15T04:42:47Z) - Joint super-resolution and synthesis of 1 mm isotropic MP-RAGE volumes
from clinical MRI exams with scans of different orientation, resolution and
contrast [4.987889348212769]
コントラスト,解像度,方向の異なる1つ以上の厚いスライススキャンを受信するCNNの訓練方法であるSynthSRを提案する。
提案手法では,ストリッピングやバイアスフィールド補正などの前処理は不要である。
論文 参考訳（メタデータ） (2020-12-24T17:29:53Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Image Quality Transfer Enhances Contrast and Resolution of Low-Field
Brain MRI in African Paediatric Epilepsy Patients [1.8884732354822316]
1.5T または 3T スキャナーは、現在の臨床MRIの標準であるが、低磁場 (1T) スキャナーは、多くの低所得国や中所得国で依然として一般的である。
ローフィールドスキャナーは、等価解像度での信号対雑音比の低い画像を提供する。
画像品質伝達の最近のパラダイムは、0.36T構造画像を強化するために適用されている。
論文 参考訳（メタデータ） (2020-03-16T13:46:58Z)
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。