論文の概要: Fetal MRI by robust deep generative prior reconstruction and
diffeomorphic registration: application to gestational age prediction
- arxiv url: http://arxiv.org/abs/2111.00102v1
- Date: Fri, 29 Oct 2021 22:09:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 02:29:11.499715
- Title: Fetal MRI by robust deep generative prior reconstruction and
diffeomorphic registration: application to gestational age prediction
- Title(参考訳): 肥大化前再生による胎児MRI : 妊娠年齢予測への応用
- Authors: Lucilio Cordero-Grande, Juan Enrique Ortu\~no-Fisac, Alena Uus, Maria
Deprez, Andr\'es Santos, Joseph V. Hajnal, Mar\'ia Jes\'us Ledesma-Carbayo
- Abstract要約: 非等質および非等方性サンプリング因子を補正するために,体積再構成を提案する。
コントリビューションを検証し、アートメソッドの状態と比較するための実験が実施されている。
その結果, 画像の解像度が向上し, 妊娠年齢の精度が向上することが示唆された。
- 参考スコア(独自算出の注目度): 5.491836552931295
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic resonance imaging of whole fetal body and placenta is limited by
different sources of motion affecting the womb. Usual scanning techniques
employ single-shot multi-slice sequences where anatomical information in
different slices may be subject to different deformations, contrast variations
or artifacts. Volumetric reconstruction formulations have been proposed to
correct for these factors, but they must accommodate a non-homogeneous and
non-isotropic sampling, so regularization becomes necessary. Thus, in this
paper we propose a deep generative prior for robust volumetric reconstructions
integrated with a diffeomorphic volume to slice registration method.
Experiments are performed to validate our contributions and compare with a
state of the art method in a cohort of $72$ fetal datasets in the range of
$20-36$ weeks gestational age. Results suggest improved image resolution and
more accurate prediction of gestational age at scan when comparing to a state
of the art reconstruction method. In addition, gestational age prediction
results from our volumetric reconstructions compare favourably with existing
brain-based approaches, with boosted accuracy when integrating information of
organs other than the brain. Namely, a mean absolute error of $0.618$ weeks
($R^2=0.958$) is achieved when combining fetal brain and trunk information.
- Abstract(参考訳): 胎児と胎盤の磁気共鳴イメージングは、子宮に影響を及ぼす異なる運動源によって制限される。
通常、走査技術では、異なるスライスの解剖学的情報が異なる変形、コントラスト変動、アーティファクトにさらされるシングルショットのマルチスライスシーケンスを用いる。
これらの要因を正すために, 体積再構成法が提案されているが, 非均一・非等方的サンプリングを適応しなければならないため, 正規化が必要である。
そこで本稿では, 拡散型ボリュームと一体化してスライス登録を行う頑健なボリューム再構成のための, 深い生成前手法を提案する。
私たちの貢献を検証するために実験を行い、妊娠年齢20~36週間の範囲で胎児のデータセット722ドルのコホートでアートメソッドの状況と比較します。
その結果,画像の解像度が向上し,スキャン時の妊娠年齢の予測精度が向上することが示唆された。
さらに,脳以外の臓器の情報を統合した場合の妊娠年齢予測は,既存の脳のアプローチと良好に比較でき,精度が向上した。
すなわち、胎児の脳とトランクの情報を組み合わせる際に、平均絶対誤差が0.618$ weeks(R^2=0.958$)となる。
関連論文リスト
- A benchmark for 2D foetal brain ultrasound analysis [0.3742372933871118]
妊娠20週目に得られた104個の2D脳超音波画像について報告する。
この画像は、興味のある構造から脳の発達を分析することまで、目印となる点を強調するために注釈付けされている。
論文 参考訳(メタデータ) (2024-06-25T03:34:54Z) - Fetal-BET: Brain Extraction Tool for Fetal MRI [4.214523989654048]
約72,000個の胎児脳MRI画像の注釈付きデータセットを構築した。
このデータセットを用いて、U-Netスタイルアーキテクチャのパワーを利用してディープラーニング手法を開発し、検証した。
本手法では,マルチコントラスト(マルチシーケンス)胎児MRIデータからの豊富な情報を活用し,胎児の脳構造を正確に把握する。
論文 参考訳(メタデータ) (2023-10-02T18:14:23Z) - Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance
from High-Quality Isotropic Volumes [52.242103848335354]
本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。
我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
論文 参考訳(メタデータ) (2023-08-13T12:51:15Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - AFFIRM: Affinity Fusion-based Framework for Iteratively Random Motion
correction of multi-slice fetal brain MRI [8.087220876070477]
Affinity Fusion-based Framework for Iteratively Random Motion correct of the multi-slice fetal brain MRI。
複数のスライスからシーケンシャルな動きを学習し、親和性融合を用いて2次元スライスと再構成された3次元ボリュームの特徴を統合する。
この方法は、脳の向きに関係なく正確に動きを推定し、シミュレートされた動き破壊データに対して、他の最先端の学習法より優れる。
論文 参考訳(メタデータ) (2022-05-12T02:54:55Z) - Segmentation of the cortical plate in fetal brain MRI with a topological
loss [0.22369578015657957]
本研究では,大脳皮質プレートの深層学習に基づくセグメンテーションの形態的整合性を高めるために,トポロジカル制約の統合を新たな損失関数として初めて提案する。
妊娠21週から38週の胎児脳腺腫18例について定量的に検討し,全妊娠年齢で有意な有意な有意な効果を示した。
論文 参考訳(メタデータ) (2020-10-23T13:25:45Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳(メタデータ) (2020-08-29T11:50:37Z) - 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) - Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain
MRI [47.26574993639482]
本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。
ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
論文 参考訳(メタデータ) (2020-06-23T09:20:42Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳(メタデータ) (2020-04-28T14:43:05Z) - A Deep Attentive Convolutional Neural Network for Automatic Cortical
Plate Segmentation in Fetal MRI [12.554154620492772]
我々は胎児脳MRIスキャンのための新しい強力なディープラーニングセグメンテーション法を開発した。
本手法は,完全な畳み込みニューラルネットワークアーキテクチャにおいて,カーネルの畳み込みが混在する新しい深層抑止モジュールを利用する。
本手法は, 正常および変化した胎児大脳皮質の成熟と折り畳みについて, 大規模研究を促進・促進することができる。
論文 参考訳(メタデータ) (2020-04-27T14:55:22Z)
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。