論文の概要: A Post-Processing Tool and Feasibility Study for Three-Dimensional
Imaging with Electrical Impedance Tomography During Deep Brain Stimulation
Surgery
- arxiv url: http://arxiv.org/abs/2204.05201v1
- Date: Mon, 11 Apr 2022 15:43:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 18:06:03.940249
- Title: A Post-Processing Tool and Feasibility Study for Three-Dimensional
Imaging with Electrical Impedance Tomography During Deep Brain Stimulation
Surgery
- Title（参考訳）: 深部脳刺激手術における電気インピーダンストモグラフィによる3次元イメージングの術後ツールと有用性の検討
- Authors: Sebastien Martin
- Abstract要約: 電気インピーダンストモグラフィ(EIT)はバイオメディカルイメージングの有望な技術である。
EITは患者の健康に安全であると考えられており、現在積極的に研究されている。
本稿では,深部脳刺激(DBS)手術におけるEITの応用について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Electrical impedance tomography (EIT) is a promising technique for biomedical
imaging. The strength of EIT is its ability to reconstruct images of the body's
internal structures through radiation-safe techniques. EIT is regarded as safe
for patients' health, and it is currently being actively researched. This paper
investigates the application of EIT during deep brain stimulation (DBS) surgery
as a means to identify targets during operations. DBS involves a surgical
procedure in which a lead or electrode array is implanted in a specific target
area in the brain. Electrical stimulations are then used to modulate neural
circuits within the target area to reduce disabling neurological symptoms. The
main difficulty in performing DBS surgery is to accurately position the lead in
the target area before commencing the treatment. Brain tissue shifts during DBS
surgery can be as large as the target size when compared with the pre-operative
magnetic resonance imaging (MRI) or computed tomography (CT) images. To address
this problem, a solution based on open-domain EIT to reconstruct images
surrounding the probe during DBS surgery is proposed. Data acquisition and
image reconstruction were performed, and artificial intelligence was applied to
enhance the resulting images. The results showed that the proposed method is
rapid, produces valuable high-quality images, and constitutes a first step
towards in-vivo study.
- Abstract（参考訳）: 電気インピーダンストモグラフィ(EIT)はバイオメディカルイメージングの有望な技術である。
EITの強みは、放射線安全技術によって身体の内部構造を再構築する能力である。
EITは患者の健康に安全であると考えられており、現在積極的に研究されている。
本稿では,深部脳刺激(DBS)手術におけるEITの応用について検討する。
DBSは、鉛または電極アレイが脳の特定の標的領域に移植される外科的手順を含む。
電気刺激は標的領域内の神経回路を調節し、神経症状を減少させる。
dbs手術の主な困難は、治療を開始する前にターゲット領域にリードを正確に配置することである。
DBS手術時の脳組織の変化は、術前のMRI(MRI)やCT(CT)画像と比較すると、ターゲットサイズに匹敵する。
この問題に対処するために,DBS手術中にプローブを取り巻く画像の再構成を行うオープンドメインEITに基づくソリューションを提案する。
データ取得と画像再構成を行い、人工知能を適用して得られた画像を強化する。
その結果,提案手法は迅速であり,高品質な画像を生成することができ,生前の研究への第一歩となることがわかった。
関連論文リスト
- 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) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using
Deep Transformers and Explainable Artificial Intelligence [20.415917092103033]
心筋炎は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。
HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発生に重要な役割を担っている
提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
論文 参考訳（メタデータ） (2022-10-26T10:34:20Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - DeepSTI: Towards Tensor Reconstruction using Fewer Orientations in
Susceptibility Tensor Imaging [9.79660375437555]
感応性テンソルイメージング(英語: Susceptibility tensor imaging、STI)は、2階テンソルモデルを用いて異方性組織磁気感受性を特徴付ける新しい磁気共鳴イメージング技術である。
STIは、白質繊維経路の再構築と、ミリ分解能以下で脳のミエリン変化を検出するための情報を提供する可能性がある。
しかし、生体内でのSTIの応用は、その難易度とMR相の変化を測定するための時間を要する取得要求によって妨げられている。
論文 参考訳（メタデータ） (2022-09-09T20:03:53Z) - Learning from imperfect training data using a robust loss function:
application to brain image segmentation [0.0]
脳MRI解析では、頭部のセグメンテーションは脳の解剖学的構造の測定と可視化に一般的に用いられる。
本稿では,T1強調MRIのみを入力として,脳,頭蓋,頭蓋外組織を分割できるディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-08T19:08:32Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳（メタデータ） (2022-03-28T14:03:45Z) - Total-Body Low-Dose CT Image Denoising using Prior Knowledge Transfer
Technique with Contrastive Regularization Mechanism [4.998352078907441]
放射線線量が少ないと、ノイズやアーティファクトが増加し、臨床診断に大きな影響を及ぼす可能性がある。
高品質な全身低線量CT(LDCT)画像を得るため,従来の深層学習に基づく研究は様々なネットワークアーキテクチャを導入している。
本稿では,NDCT画像から抽出した知識を活用する,新しいタスク内知識伝達手法を提案する。
論文 参考訳（メタデータ） (2021-12-01T06:46:38Z) - Transfer Learning for Brain Tumor Segmentation [0.6408773096179187]
グリオーマは、化学療法や手術で治療される最も一般的な悪性脳腫瘍である。
近年のディープラーニングの進歩により、様々な視覚認識タスクに優れた畳み込みニューラルネットワークアーキテクチャが実現されている。
本研究では,事前学習した畳み込みエンコーダを用いてFCNを構築し,この方法でトレーニングプロセスを安定させ,ダイススコアやハウスドルフ距離に対する改善を実現することを示す。
論文 参考訳（メタデータ） (2019-12-28T12:45:34Z)
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。