論文の概要: Deep learning facilitates fully automated brain image registration of
optoacoustic tomography and magnetic resonance imaging
- arxiv url: http://arxiv.org/abs/2109.01880v1
- Date: Sat, 4 Sep 2021 14:50:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 16:47:08.872179
- Title: Deep learning facilitates fully automated brain image registration of
optoacoustic tomography and magnetic resonance imaging
- Title（参考訳）: 深層学習は視音響トモグラフィと磁気共鳴画像の完全自動脳画像登録を促進する
- Authors: Yexing Hu and Berkan Lafci and Artur Luzgin and Hao Wang and Jan Klohs
and Xose Luis Dean-Ben and Ruiqing Ni and Daniel Razansky and Wuwei Ren
- Abstract要約: マルチスペクトル光音響トモグラフィ(Multi-spectral optoacoustic tomography、MSOT)は、歯状脳からの多重分子および機能情報を提供する新しい光学イメージング法である。
磁気共鳴イメージング(MRI)により、優れたソフト・コントラストと高分解能脳解剖学を提供することができる。
マルチモーダル画像の登録は、主にこれらのモダリティによって描画される全く異なる画像コントラストのために、依然として困難である。
本稿では,深層学習によるMSOT-MRIマルチモーダル画像の完全自動登録手法を提案する。
- 参考スコア（独自算出の注目度）: 6.9975936496083495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-spectral optoacoustic tomography (MSOT) is an emerging optical imaging
method providing multiplex molecular and functional information from the rodent
brain. It can be greatly augmented by magnetic resonance imaging (MRI) that
offers excellent soft-tissue contrast and high-resolution brain anatomy.
Nevertheless, registration of multi-modal images remains challenging, chiefly
due to the entirely different image contrast rendered by these modalities.
Previously reported registration algorithms mostly relied on manual
user-dependent brain segmentation, which compromised data interpretation and
accurate quantification. Here we propose a fully automated registration method
for MSOT-MRI multimodal imaging empowered by deep learning. The automated
workflow includes neural network-based image segmentation to generate suitable
masks, which are subsequently registered using an additional neural network.
Performance of the algorithm is showcased with datasets acquired by
cross-sectional MSOT and high-field MRI preclinical scanners. The automated
registration method is further validated with manual and half-automated
registration, demonstrating its robustness and accuracy.
- Abstract（参考訳）: マルチスペクトル光音響トモグラフィ(Multi-spectral optoacoustic tomography、MSOT)は、歯状脳からの多重分子および機能情報を提供する新しい光学イメージング法である。
磁気共鳴イメージング(MRI)により、優れたソフト・コントラストと高分解能脳解剖学を提供することができる。
それでもマルチモーダル画像の登録は、主にこれらのモダリティによって表現される全く異なる画像コントラストのために、依然として困難である。
これまで報告された登録アルゴリズムは、データ解釈と正確な定量化を損なう手作業によるユーザ依存の脳セグメンテーションに依存していた。
本稿では,深層学習によるMSOT-MRIマルチモーダル画像の完全自動登録手法を提案する。
自動化ワークフローには、適切なマスクを生成するニューラルネットワークベースのイメージセグメンテーションが含まれている。
アルゴリズムの性能は、断面MSOTと高磁場MRI前臨床スキャナーによって取得されたデータセットで示される。
自動登録法はさらに手動および半自動登録で検証され、その堅牢性と正確性を示す。
関連論文リスト
- An Ensemble Approach for Brain Tumor Segmentation and Synthesis [0.12777007405746044]
磁気共鳴イメージング(MRI)における機械学習の統合は、信じられないほど効果的であることが証明されている。
ディープラーニングモデルは、複雑なデータの複雑な詳細をキャプチャするために、複数の処理層を利用する。
本稿では,最先端アーキテクチャを組み込んだディープラーニングフレームワークを提案し,精度の高いセグメンテーションを実現する。
論文 参考訳（メタデータ） (2024-11-26T17:28:51Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。
現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。
テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
論文 参考訳（メタデータ） (2024-09-25T11:14:47Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - Controllable Mind Visual Diffusion Model [58.83896307930354]
脳信号の可視化は、人間の視覚システムとコンピュータビジョンモデルの間の重要なインターフェースとして機能する活発な研究領域として登場した。
我々は、制御可能なマインドビジュアルモデル拡散(CMVDM)と呼ばれる新しいアプローチを提案する。
CMVDMは属性アライメントとアシスタントネットワークを用いてfMRIデータから意味情報とシルエット情報を抽出する。
そして、制御モデルを利用して抽出した情報を画像合成に活用し、セマンティクスやシルエットの観点から視覚刺激によく似た画像を生成する。
論文 参考訳（メタデータ） (2023-05-17T11:36:40Z) - A Survey of Feature detection methods for localisation of plain sections
of Axial Brain Magnetic Resonance Imaging [0.0]
患者のMRI画像と患者のMRIスライスを脳の模擬アトラスにマッピングすることは、脳のMRIの自動登録の鍵となる。
本研究では,脳のMRIと異なる患者のMRIのマッチングや,MRIのスライスと脳のアトラスの位置をマッチングする手法とアプローチを比較できるように,ロバストネス,精度,累積距離の計測と方法論を導入している。
論文 参考訳（メタデータ） (2023-02-08T16:24:09Z) - 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) - Global Multi-modal 2D/3D Registration via Local Descriptors Learning [0.3299877799532224]
本稿では,術前画像への超音波スイープの登録問題に対する新しいアプローチを提案する。
我々は、密度の高いキーポイント記述子を学び、そこから登録を見積もる。
本手法は, MRボリュームと超音波シーケンスを併用した臨床データセットを用いて評価した。
論文 参考訳（メタデータ） (2022-05-06T18:24:19Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳（メタデータ） (2021-09-23T15:15:21Z) - Deep Learning-based Type Identification of Volumetric MRI Sequences [5.407839873345339]
MRI配列の標準化されていない命名は、自動システムでは識別が困難である。
本稿では,深層学習に基づく脳MRIシークエンスを同定するシステムを提案する。
我々のシステムは96.81%の精度でシーケンスタイプを分類できる。
論文 参考訳（メタデータ） (2021-06-06T18:34:47Z) - A deep learning pipeline for identification of motor units in
musculoskeletal ultrasound [0.5249805590164902]
超高速超音波を用いて個々のMUの機械的応答を記録・解析できることが示されている。
本稿では,超音波画像系列のアクティブMUを特定するための方法として,深層学習パイプラインを提案する。
複雑なアクティベーションパターンと重なり合う領域を模倣したシミュレーションデータを用いてモデルを評価する。
論文 参考訳（メタデータ） (2020-09-23T20:44:29Z)
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。