論文の概要: Engineering AI Tools for Systematic and Scalable Quality Assessment in Magnetic Resonance Imaging

• arxiv url: http://arxiv.org/abs/2112.01629v1
• Date: Thu, 2 Dec 2021 22:47:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-07 05:42:55.073409
• Title: Engineering AI Tools for Systematic and Scalable Quality Assessment in Magnetic Resonance Imaging
• Title（参考訳）: 磁気共鳴イメージングにおけるシステム的・スケーラブルな品質評価のためのエンジニアリングAIツール
• Authors: Yukai Zou, Ikbeom Jang
• Abstract要約: 大きなMRIデータリポジトリの構築には、プライバシ、データサイズ、DICOMフォーマット、ロジスティクス、非標準化イメージに関する複数の課題がある。 データリポジトリの構築は難しいだけでなく、リポジトリからプールされたデータを使用することも難しい。 本稿では,大規模なMRIデータレポジトリの構築と,それらのデータレポジトリからダウンロードされたデータの利用に関する課題について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A desire to achieve large medical imaging datasets keeps increasing as machine learning algorithms, parallel computing, and hardware technology evolve. Accordingly, there is a growing demand in pooling data from multiple clinical and academic institutes to enable large-scale clinical or translational research studies. Magnetic resonance imaging (MRI) is a frequently used, non-invasive imaging modality. However, constructing a big MRI data repository has multiple challenges related to privacy, data size, DICOM format, logistics, and non-standardized images. Not only building the data repository is difficult, but using data pooled from the repository is also challenging, due to heterogeneity in image acquisition, reconstruction, and processing pipelines across MRI vendors and imaging sites. This position paper describes challenges in constructing a large MRI data repository and using data downloaded from such data repositories in various aspects. To help address the challenges, the paper proposes introducing a quality assessment pipeline, with considerations and general design principles.
• Abstract（参考訳）: 機械学習アルゴリズム、並列コンピューティング、ハードウェア技術の進化に伴い、大規模な医用画像データセットの実現を望む声が高まっている。 そのため、大規模な臨床・翻訳研究を可能にするため、複数の臨床・学術機関からのデータ収集の需要が高まっている。 磁気共鳴イメージング(MRI)は、頻繁に使われる非侵襲的な画像モダリティである。 しかし、大きなMRIデータリポジトリの構築には、プライバシ、データサイズ、DICOMフォーマット、ロジスティクス、非標準化イメージに関する複数の課題がある。 データレポジトリの構築は難しいだけでなく、MRIベンダーやイメージングサイトをまたいだ画像取得、再構築、処理パイプラインの不均一性のため、リポジトリからプールされたデータを使用することも難しい。 本稿では,大規模なMRIデータレポジトリの構築と,それらのデータレポジトリからダウンロードされたデータの利用に関する課題について述べる。 課題に対処するために,本論文では,品質評価パイプラインの導入を提案する。

関連論文リスト

• Reconstruction as a service: a data space for off-site image reconstruction in magnetic particle imaging [1.3566464121222226]
  磁気粒子イメージング(MPI)は、高時間分解能、空間分解能、感度、生体適合性のユニークな組み合わせを提供する新しい医療画像モダリティである。 MPIにおけるシステム行列(SM)に基づく画像再構成には、時間を要する手順で再構築前に膨大なキャリブレーションデータを取得する必要がある。 そのサイズのため、キャリブレーションデータの扱いは困難である。 MPIにおけるSMに基づく画像再構成の効率向上を目的としたデータ空間を提案する。
  論文  参考訳（メタデータ） (2024-01-11T15:42:52Z)
• Cloud-Magnetic Resonance Imaging System: In the Era of 6G and Artificial Intelligence [12.197732418084557]
  Cloud-MRIは、MRIデータストレージセキュリティ、送信速度、AIアルゴリズムのメンテナンス、ハードウェアのアップグレード、協調作業の問題を解決することを目的としている。 Cloud-MRIシステムは生画像データを保存し、データ損失のリスクを低減し、施設間医療協力を促進し、最終的に診断精度と作業効率を向上させる。
  論文  参考訳（メタデータ） (2023-10-18T00:35:05Z)
• 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)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Attention Hybrid Variational Net for Accelerated MRI Reconstruction [7.046523233290946]
  磁気共鳴画像(MRI)の高速化のための圧縮センシング(CS)対応データ再構成の適用は依然として難しい問題である。 これは、加速マスクからk空間で失った情報が、完全にサンプリングされた画像の質に似た画像の再構成を困難にしているためである。 我々は,k空間と画像領域の両方で学習を行う,深層学習に基づく注目ハイブリッド変分ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T16:19:07Z)
• Iterative Data Refinement for Self-Supervised MR Image Reconstruction [18.02961646651716]
  自己教師型MR画像再構成のためのデータ改質フレームワークを提案する。 まず,自己教師付き手法と教師付き手法のパフォーマンスギャップの原因を解析する。 そして、このデータバイアスを低減するために、効果的な自己教師付きトレーニングデータ精錬法を設計する。
  論文  参考訳（メタデータ） (2022-11-24T06:57:16Z)
• Multi-institutional Collaborations for Improving Deep Learning-based Magnetic Resonance Image Reconstruction Using Federated Learning [62.17532253489087]
  深層学習法はmr画像再構成において優れた性能をもたらすことが示されている。 これらの方法は、高い取得コストと医療データプライバシー規制のために収集および共有が困難である大量のデータを必要とします。 我々は,異なる施設で利用可能なmrデータを活用し,患者のプライバシーを保ちながら,連合学習(fl)ベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2021-03-03T03:04:40Z)
• Medical Transformer: Gated Axial-Attention for Medical Image Segmentation [73.98974074534497]
  医用画像分割タスクにおけるトランスフォーマティブネットワークアーキテクチャの利用可能性について検討する。 セルフアテンションモジュールに追加の制御機構を導入することで,既存のアーキテクチャを拡張するGated Axial-Attentionモデルを提案する。 医療画像上で効果的にモデルを訓練するために,さらにパフォーマンスを向上させる局所的グローバルトレーニング戦略 (logo) を提案する。
  論文  参考訳（メタデータ） (2021-02-21T18:35:14Z)
• Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
  本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。 データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
  論文  参考訳（メタデータ） (2020-09-01T19:17:46Z)

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。