論文の概要: Cortical lesions, central vein sign, and paramagnetic rim lesions in
multiple sclerosis: emerging machine learning techniques and future avenues
- arxiv url: http://arxiv.org/abs/2201.07463v1
- Date: Wed, 19 Jan 2022 08:26:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 14:52:14.555902
- Title: Cortical lesions, central vein sign, and paramagnetic rim lesions in
multiple sclerosis: emerging machine learning techniques and future avenues
- Title（参考訳）: 多発性硬化症における皮質病変, 中心静脈徴候, 常磁性リム病変 : 新しい機械学習技術と今後の道
- Authors: Francesco La Rosa, Maxence Wynen, Omar Al-Louzi, Erin S Beck, Till
Huelnhagen, Pietro Maggi, Jean-Philippe Thiran, Tobias Kober, Russell T
Shinohara, Pascal Sati, Daniel S Reich, Cristina Granziera, Martina Absinta,
Meritxell Bach Cuadra
- Abstract要約: 現在の多発性硬化症(MS)の診断基準には特異性がなく、誤診につながる可能性がある。
近年,MS病変画像バイオマーカーは鑑別診断において高い特異性を示している。
機械学習に基づく手法は、従来のイメージングバイオマーカーの評価において、極めて優れた性能を達成している。
- 参考スコア（独自算出の注目度）: 4.388837207929038
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The current multiple sclerosis (MS) diagnostic criteria lack specificity, and
this may lead to misdiagnosis, which remains an issue in present-day clinical
practice. In addition, conventional biomarkers only moderately correlate with
MS disease progression. Recently, advanced MS lesional imaging biomarkers such
as cortical lesions (CL), the central vein sign (CVS), and paramagnetic rim
lesions (PRL), visible in specialized magnetic resonance imaging (MRI)
sequences, have shown higher specificity in differential diagnosis. Moreover,
studies have shown that CL and PRL are potential prognostic biomarkers, the
former correlating with cognitive impairments and the latter with early
disability progression. As machine learning-based methods have achieved
extraordinary performance in the assessment of conventional imaging biomarkers,
such as white matter lesion segmentation, several automated or semi-automated
methods have been proposed for CL, CVS, and PRL as well. In the present review,
we first introduce these advanced MS imaging biomarkers and their imaging
methods. Subsequently, we describe the corresponding machine learning-based
methods that were used to tackle these clinical questions, putting them into
context with respect to the challenges they are still facing, including
non-standardized MRI protocols, limited datasets, and moderate inter-rater
variability. We conclude by presenting the current limitations that prevent
their broader deployment and suggesting future research directions.
- Abstract（参考訳）: 現在の多発性硬化症 (MS) の診断基準には特異性が欠如しており, 誤診につながる可能性がある。
加えて、従来のバイオマーカーはMS病の進行と適度に相関している。
近年,mri(特殊磁気共鳴画像法)で観察される皮質病変(cl),中枢静脈徴候(cvs),常磁性リム病変(prl)などの高度なms病変画像バイオマーカーが鑑別診断において高い特異性を示した。
さらに、CLとPRLは潜在的な予後を示すバイオマーカーであり、前者は認知障害、後者は早期障害の進行に関連する。
機械学習に基づく手法は、白質病変のセグメンテーションなどの従来の画像バイオマーカーの評価において異常な性能を達成しているため、CL、CVS、PRLにもいくつかの自動または半自動手法が提案されている。
本稿では,これらの高度msイメージングバイオマーカーとそのイメージング手法について紹介する。
続いて,これらの臨床的疑問に対処した機械学習ベースの手法について述べるとともに,mriプロトコルの標準化やデータセットの制限,適度なレート間変動など,現在直面している課題について文脈的に考察する。
結論として,より広範な展開を妨げる現在の制限を提示し,今後の研究方向性を示唆する。
関連論文リスト
- A Self-Supervised Image Registration Approach for Measuring Local Response Patterns in Metastatic Ovarian Cancer [1.655552344175974]
高次卵巣癌 (HGSOC) は, 空間的, 時間的不均一性が特徴である。
HGSOCは卵巣癌患者の長期的病態反応と生存のマーカーとして有用である。
論文 参考訳（メタデータ） (2024-07-24T09:24:39Z) - Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based
Hierarchical Fusion Network with Attention Mechanism [15.453470023481932]
造影MRI(CE-MRI)は腫瘍と浸潤した健全な組織との鑑別に優れる。
CE-MRIを得るためにガドリニウムベースの造影剤(GBCA)を使用することは、ネフローゼ性全身線維症と関連し、脳内での生体蓄積を引き起こす可能性がある。
造影剤の使用を減らすため,拡散強調画像(DWI)が重要画像技術として出現している。
論文 参考訳（メタデータ） (2023-07-03T09:46:12Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳（メタデータ） (2023-04-26T16:47:42Z) - Counterfactual Image Synthesis for Discovery of Personalized Predictive
Image Markers [0.293168019422713]
そこで本研究では,深部条件生成モデルを用いて,主観的疾患の進展に関連があるベースライン画像の局所像特徴を摂動させることが可能であることを示す。
本モデルでは, 臨床像を反映した画像特徴の変化により, 集団レベルでのMRI像の現況を予測し, 治療効果を検証した。
論文 参考訳（メタデータ） (2022-08-03T18:58:45Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation
Studies: A Review [18.22326892162902]
後期ガドリニウム造影MRI(LGE MRI)は左心房(LA)の傷跡の可視化と定量化に一般的に用いられている。
本稿では, LGE MRIによるLA空洞, 壁, 傷痕, アブレーションギャップのセグメンテーションと定量化のための計算手法について, 体系的に検討することを目的とする。
論文 参考訳（メタデータ） (2021-06-18T01:31:06Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳（メタデータ） (2021-05-18T11:37:57Z) - Multiple Sclerosis Lesion Analysis in Brain Magnetic Resonance Images:
Techniques and Clinical Applications [22.410543483471915]
多発性硬化症(MS)は、中枢神経系の慢性炎症性および変性疾患である。
伝統的に、MS病変は手動で2DMRIスライスに注釈付けされている。
深層学習技術は,ms病変分割タスクにおいて著しいブレークスルーを達成した。
論文 参考訳（メタデータ） (2021-04-20T15:08:51Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。