論文の概要: NUQ: A Noise Metric for Diffusion MRI via Uncertainty Discrepancy Quantification

• arxiv url: http://arxiv.org/abs/2203.01921v1
• Date: Thu, 3 Mar 2022 18:53:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-04 15:18:59.822538
• Title: NUQ: A Noise Metric for Diffusion MRI via Uncertainty Discrepancy Quantification
• Title（参考訳）: NUQ:不確かさの量子化による拡散MRIのノイズメトリクス
• Authors: Shreyas Fadnavis, Jens Sj\"olund, Anders Eklund, Eleftherios Garyfallidis
• Abstract要約: 地中真実参照画像が存在しない場合の定量的画像品質解析のためのノイズ不確実性定量化(NUQ)を提案する。 NUQは最近のベイズ的dMRIモデルの定式化を用いて、ミクロ構造測定の不確かさを推定している。 NUQはノイズのきめ細かい分析を可能にし、視覚的に知覚できない詳細を捉える。
• 参考スコア（独自算出の注目度）: 3.058685580689605
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Diffusion MRI (dMRI) is the only non-invasive technique sensitive to tissue micro-architecture, which can, in turn, be used to reconstruct tissue microstructure and white matter pathways. The accuracy of such tasks is hampered by the low signal-to-noise ratio in dMRI. Today, the noise is characterized mainly by visual inspection of residual maps and estimated standard deviation. However, it is hard to estimate the impact of noise on downstream tasks based only on such qualitative assessments. To address this issue, we introduce a novel metric, Noise Uncertainty Quantification (NUQ), for quantitative image quality analysis in the absence of a ground truth reference image. NUQ uses a recent Bayesian formulation of dMRI models to estimate the uncertainty of microstructural measures. Specifically, NUQ uses the maximum mean discrepancy metric to compute a pooled quality score by comparing samples drawn from the posterior distribution of the microstructure measures. We show that NUQ allows a fine-grained analysis of noise, capturing details that are visually imperceptible. We perform qualitative and quantitative comparisons on real datasets, showing that NUQ generates consistent scores across different denoisers and acquisitions. Lastly, by using NUQ on a cohort of schizophrenics and controls, we quantify the substantial impact of denoising on group differences.
• Abstract（参考訳）: 拡散MRI(dMRI)は組織微細構造に敏感な唯一の非侵襲的手法であり、組織微細構造と白質経路の再構築に使用できる。 このようなタスクの精度は、dMRIの低信号対雑音比によって妨げられる。 今日、ノイズは主に残留地図の視覚的検査と推定標準偏差によって特徴付けられる。 しかし,このような質的評価だけでは,下流課題に対する騒音の影響を推定することは困難である。 そこで本研究では, 基礎的真理参照画像が存在しない場合の定量的画像品質解析のための新しい指標, ノイズ不確かさ定量化(nuq)を提案する。 NUQは最近のベイズ的dMRIモデルの定式化を用いて、ミクロ構造測定の不確かさを推定している。 具体的には、NUQは、最大平均誤差測定値を用いて、マイクロ構造測定の後方分布から得られたサンプルを比較して、プールされた品質スコアを算出する。 NUQはノイズのきめ細かい分析を可能にし、視覚的に知覚できない詳細を捉える。 実際のデータセットに対して定性的および定量的な比較を行い、NUQが異なるデノイザと取得に対して一貫したスコアを生成することを示す。 最後に, 統合失調症とコントロールのコホートにnuqを使用することにより, グループ差に対する分別の影響を定量化する。

関連論文リスト

• Unifying Subsampling Pattern Variations for Compressed Sensing MRI with Neural Operators [72.79532467687427]
  圧縮センシングMRI(Compressed Sensing MRI)は、身体の内部解剖像をアンダーサンプルと圧縮された測定値から再構成する。 ディープニューラルネットワークは、高度にアンサンプされた測定結果から高品質なイメージを再構築する大きな可能性を示している。 CS-MRIにおけるサブサンプリングパターンや画像解像度に頑健な統一モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• A Deep-Learning-Based Label-free No-Reference Image Quality Assessment Metric: Application in Sodium MRI Denoising [0.0]
  ナトリウムMRIのような新しいMRI技術は、本質的に低信号のため、画像の質が低いのが一般的である。 ディープラーニングモデルは、特有のトレーニングセットに特化しているという点において、ユニークな特徴を持っている。 そこで本研究では,新しいDLベースの NR-IQA メトリックである Model Metric (MSM) を提案する。
  論文  参考訳（メタデータ） (2024-08-29T12:16:55Z)
• qMRI Diffuser: Quantitative T1 Mapping of the Brain using a Denoising Diffusion Probabilistic Model [1.1278063431495107]
  定量的MRI(qMRI)は、組織特性に関連する客観的パラメータを提供することにより、重み付け画像よりも大きな利点を提供する。 深層学習に基づく手法は、一連の重み付き画像から定量的マップを推定する効果を実証している。 深部生成モデルを用いたqMRIの新しい手法であるqMRIディフューザを提案する。
  論文  参考訳（メタデータ） (2024-07-23T13:49:19Z)
• 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)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• MR Image Denoising and Super-Resolution Using Regularized Reverse Diffusion [38.62448918459113]
  本稿では,スコアベース逆拡散サンプリングに基づく新しい復調法を提案する。 当ネットワークは, 人工膝関節のみを訓練し, 生体内MRIデータにも優れていた。
  論文  参考訳（メタデータ） (2022-03-23T10:35:06Z)
• A Decoupled Uncertainty Model for MRI Segmentation Quality Estimation [4.104181348044472]
  タスクと異なるk空間アーティファクトに関連する不確実性のソースを分離する新しいCNNアーキテクチャを提案する。 課題の観点から,我々の不確実性予測はMRIの画質をよりよく推定できることを示す。
  論文  参考訳（メタデータ） (2021-09-06T12:54:44Z)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
  画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。 この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。 その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-15T15:46:09Z)

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。