論文の概要: fastMRI+: Clinical Pathology Annotations for Knee and Brain Fully Sampled Multi-Coil MRI Data

• arxiv url: http://arxiv.org/abs/2109.03812v1
• Date: Wed, 8 Sep 2021 17:58:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 13:53:13.262262
• Title: fastMRI+: Clinical Pathology Annotations for Knee and Brain Fully Sampled Multi-Coil MRI Data
• Title（参考訳）: fastMRI+ : 膝と脳の完全サンプリングMRI画像に対する臨床病理学的アノテーション
• Authors: Ruiyang Zhao, Burhaneddin Yaman, Yuxin Zhang, Russell Stewart, Austin Dixon, Florian Knoll, Zhengnan Huang, Yvonne W. Lui, Michael S. Hansen, Matthew P. Lungren
• Abstract要約: この研究は16154のサブスペシャリストの専門家によるボックスアノテーションと、FastMRI膝データセット上の22の異なる病理カテゴリの13のレベルラベルで構成されている。 fastMRI+データセットはオープンアクセスであり、MRI再建以降の医療画像のさらなる研究と進歩を支援することを目的としている。
• 参考スコア（独自算出の注目度）: 4.198836939188265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Improving speed and image quality of Magnetic Resonance Imaging (MRI) via novel reconstruction approaches remains one of the highest impact applications for deep learning in medical imaging. The fastMRI dataset, unique in that it contains large volumes of raw MRI data, has enabled significant advances in accelerating MRI using deep learning-based reconstruction methods. While the impact of the fastMRI dataset on the field of medical imaging is unquestioned, the dataset currently lacks clinical expert pathology annotations, critical to addressing clinically relevant reconstruction frameworks and exploring important questions regarding rendering of specific pathology using such novel approaches. This work introduces fastMRI+, which consists of 16154 subspecialist expert bounding box annotations and 13 study-level labels for 22 different pathology categories on the fastMRI knee dataset, and 7570 subspecialist expert bounding box annotations and 643 study-level labels for 30 different pathology categories for the fastMRI brain dataset. The fastMRI+ dataset is open access and aims to support further research and advancement of medical imaging in MRI reconstruction and beyond.
• Abstract（参考訳）: 新しいレコンストラクションアプローチによる磁気共鳴画像(mri)の速度と画質の改善は、医学画像におけるディープラーニングの最も大きなインパクトの1つである。 fastMRIデータセットは、大量の生MRIデータを含むという点で特有であり、ディープラーニングベースの再構成手法を用いて、MRIの高速化に大きな進歩をもたらした。 fastMRIデータセットが医療画像の分野に与える影響は疑問視されていないが、このデータセットは、現在臨床専門家の病理アノテーションが欠如しており、臨床的に関係のある再構築フレームワークに対処し、そのような新しいアプローチを用いて特定の病理のレンダリングに関する重要な疑問を探求している。 この研究は16154のサブスペシャリスト専門家のボックスアノテーションと13のリサーチレベルラベルからなる、高速MRI膝データセットの22の異なる病理カテゴリのための研究レベルラベルと7570のサブスペシャリスト専門家のボックスアノテーションと、高速MRI脳データセットの30の異なる病理カテゴリのための643のリサーチレベルラベルからなる。 fastMRI+データセットはオープンアクセスであり、MRI再建以降の医療画像の研究と進歩を支援することを目的としている。

関連論文リスト

• CMRxRecon2024: A Multi-Modality, Multi-View K-Space Dataset Boosting Universal Machine Learning for Accelerated Cardiac MRI [39.0162369912624]
  CMRxRecon2024データセットは、最も大きく、最も多種多様な公開されたk空間データセットである。 健常者330名から取得され、一般的に使用されるモダリティ、解剖学的視点、臨床心臓MRIにおける獲得軌跡をカバーしている。
  論文  参考訳（メタデータ） (2024-06-27T09:50:20Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
  本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。 我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。 コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
  論文  参考訳（メタデータ） (2023-11-01T07:24:22Z)
• CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction [62.61209705638161]
  ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。 ディープラーニング手法は大規模なトレーニングデータセットを必要とする。 このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
  論文  参考訳（メタデータ） (2023-09-19T15:14:42Z)
• 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)
• FastMRI Prostate: A Publicly Available, Biparametric MRI Dataset to Advance Machine Learning for Prostate Cancer Imaging [1.9619538084894699]
  今回,2023年4月のfastMRIデータセットの拡張について述べる。 データセットは、T2重み付きおよび拡散重み付き配列のための生のk空間と再構成された画像と、前立腺癌の存在と程度を示すスライスレベルラベルから構成される。
  論文  参考訳（メタデータ） (2023-04-18T19:34:28Z)
• Video4MRI: An Empirical Study on Brain Magnetic Resonance Image Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
  3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。 本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。 効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
  論文  参考訳（メタデータ） (2023-02-24T15:26:31Z)
• Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
  本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。 MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。 最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
  論文  参考訳（メタデータ） (2022-04-01T22:48:08Z)
• SKM-TEA: A Dataset for Accelerated MRI Reconstruction with Dense Image Labels for Quantitative Clinical Evaluation [5.37260403457093]
  定量的膝関節MRI(qMRI)画像の収集であるMulti-Task Evaluationデータセットを用いて,Stanford Knee MRIを提案する。 このデータセットは、匿名患者MRIスキャンの25,000スライス(155例)の生データ測定から成り立っている。 我々は、画像再構成や高密度画像ラベルとともに、MRI再構成、セグメンテーション、検出技術から抽出されたqMRIバイオマーカー推定の品質を測定するために、qMRIパラメータマップを使用するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2022-03-14T02:40:40Z)
• Deep Transfer Learning for Brain Magnetic Resonance Image Multi-class Classification [0.6117371161379209]
  我々は、Deep Transfer Learningを用いて脳MRI画像中の腫瘍の多重分類を行うフレームワークを開発した。 新たなデータセットと2つの公開MRI脳データセットを使用して、提案手法は86.40%の精度で分類された。 本研究は,脳腫瘍のマルチクラス化タスクにおいて,トランスファーラーニングのためのフレームワークが有用かつ効果的な方法であることを示すものである。
  論文  参考訳（メタデータ） (2021-06-14T12:19:27Z)
• Multi-Coil MRI Reconstruction Challenge -- Assessing Brain MRI Reconstruction Models and their Generalizability to Varying Coil Configurations [40.263770807921524]
  深層学習に基づく脳磁気共鳴画像(MRI)再構成法は、MRI取得プロセスを加速する可能性がある。 マルチコイル磁気共鳴画像(MC-MRI)再構成チャレンジは、これらの問題に対処するためのベンチマークを提供する。 本稿では,この課題を実験的に考察し,脳MRI再建モデルのベースラインと状態のセットの結果を要約する。
  論文  参考訳（メタデータ） (2020-11-10T04:11:48Z)

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。