論文の概要: Masked Co-attentional Transformer reconstructs 100x ultra-fast/low-dose
whole-body PET from longitudinal images and anatomically guided MRI
- arxiv url: http://arxiv.org/abs/2205.04044v1
- Date: Mon, 9 May 2022 05:12:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-10 15:09:31.036454
- Title: Masked Co-attentional Transformer reconstructs 100x ultra-fast/low-dose
whole-body PET from longitudinal images and anatomically guided MRI
- Title(参考訳): Masked Co-attentional Transformerによる経時的画像と解剖学的MRIによる100倍高速/低用量PET再構成
- Authors: Yan-Ran (Joyce) Wang, Liangqiong Qu, Natasha Diba Sheybani, Xiaolong
Luo, Jiangshan Wang, Kristina Elizabeth Hawk, Ashok Joseph Theruvath, Sergios
Gatidis, Xuerong Xiao, Allison Pribnow, Daniel Rubin, and Heike E.
Daldrup-Link
- Abstract要約: ポジトロン・エミッション・トモグラフィー(PET)による全身ステージングは時間を要するため、かなりの放射線曝露に関係している。
我々は, 連続PET/MRの相互作用と関節推論を提供する, 縦型マルチモーダルコアテンショナルCNN変換器であるMasked-LMCTransを開発した。
当モデルでは, 小児悪性リンパ腫患者に対して, PET/MRI検査を施行し, T"ubingen University のPET/MRI画像を用いて外的評価を行った。
- 参考スコア(独自算出の注目度): 4.023590299787012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite its tremendous value for the diagnosis, treatment monitoring and
surveillance of children with cancer, whole body staging with positron emission
tomography (PET) is time consuming and associated with considerable radiation
exposure. 100x (1% of the standard clinical dosage) ultra-low-dose/ultra-fast
whole-body PET reconstruction has the potential for cancer imaging with
unprecedented speed and improved safety, but it cannot be achieved by the naive
use of machine learning techniques. In this study, we utilize the global
similarity between baseline and follow-up PET and magnetic resonance (MR)
images to develop Masked-LMCTrans, a longitudinal multi-modality co-attentional
CNN-Transformer that provides interaction and joint reasoning between serial
PET/MRs of the same patient. We mask the tumor area in the referenced baseline
PET and reconstruct the follow-up PET scans. In this manner, Masked-LMCTrans
reconstructs 100x almost-zero radio-exposure whole-body PET that was not
possible before. The technique also opens a new pathway for longitudinal
radiology imaging reconstruction, a significantly under-explored area to date.
Our model was trained and tested with Stanford PET/MRI scans of pediatric
lymphoma patients and evaluated externally on PET/MRI images from T\"ubingen
University. The high image quality of the reconstructed 100x whole-body PET
images resulting from the application of Masked-LMCTrans will substantially
advance the development of safer imaging approaches and shorter exam-durations
for pediatric patients, as well as expand the possibilities for frequent
longitudinal monitoring of these patients by PET.
- Abstract(参考訳): 癌患児の診断、治療モニタリング、監視に非常に価値があるが、ポジトロン放射断層撮影(PET)による全身のステージングには時間が必要であり、かなりの放射線曝露が伴う。
100倍(標準臨床用量の1%)超低用量/超高速全体PET再建は、前例のない速度で癌像を撮影する可能性があり、安全性が向上するが、機械学習の素早い使用では達成できない。
本研究では, ベースラインと後続PETとMR画像のグローバルな類似性を利用して, 同患者の連続PET/MR間の相互作用と関節推論を提供する, 長手多モードコアテンショナルCNN変換器Masked-LMCTransを開発した。
基準ベースラインPETの腫瘍領域を隠蔽し,追跡PETスキャンを再構築した。
このように、Masked-LMCTransは、これまで不可能であった100倍近いラジオ露光全体PETを再構成する。
この技術はまた、縦方向x線画像再構成のための新しい経路も開いている。
T\'ubingen UniversityのPET/MRI画像を用いて,小児悪性リンパ腫患者のStanford PET/MRI画像の訓練と評価を行った。
Masked-LMCTransの応用による100倍体PET画像の高画質化は、小児患者に対するより安全な画像撮影法とより短い検査成績の開発を著しく進めるとともに、これらの患者に対してPETによる頻繁な経時的モニタリングの可能性を広げる。
関連論文リスト
- Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳(メタデータ) (2023-10-16T13:58:53Z) - Amyloid-Beta Axial Plane PET Synthesis from Structural MRI: An Image
Translation Approach for Screening Alzheimer's Disease [49.62561299282114]
定量的に正確な構造MRIから合成アミロイドベータPET画像を生成するために、画像翻訳モデルを実装した。
その結果, 合成PET画像は, 形状, コントラスト, 全体的なSSIMおよびPSNRにおいて, 真実と高い類似性で生成できることが判明した。
論文 参考訳(メタデータ) (2023-09-01T16:26:42Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳(メタデータ) (2023-08-20T04:10:36Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Synthesizing PET images from High-field and Ultra-high-field MR images
Using Joint Diffusion Attention Model [18.67282361664074]
PETスキャンはコストが高く、放射性曝露を伴うため、PETが欠如する。
超高磁場イメージングは臨床と学術の両方で有用であることが証明されている。
高速MRIと超高磁場MRIの合成PET法を提案する。
論文 参考訳(メタデータ) (2023-05-06T02:41:03Z) - Brain MRI-to-PET Synthesis using 3D Convolutional Attention Networks [10.095428964324874]
放射線標識水(15O-water)を用いたPET(Positron emission tomography)はヒトの脳血流測定における金標準であると考えられている。
PETイメージングは、その禁止コストと、通常現場でのサイクロトロン生産を必要とする短命な放射性医薬品トレーサの使用により、広く利用できない。
本研究では,マルチシーケンスMRIスキャンから金標準の15O-PET CBFを予測するためのアテンション機構を備えた畳み込みエンコーダデコーダネットワークを提案する。
論文 参考訳(メタデータ) (2022-11-22T08:25:44Z) - A resource-efficient deep learning framework for low-dose brain PET
image reconstruction and analysis [13.713286047709982]
本稿では,L-PET再構成と解析のための資源効率の高いディープラーニングフレームワーク,TransGAN-SDAMを提案する。
トランスGANは高品質なF-PET画像を生成し、SDAMは生成されたF-PETスライス列の空間情報を統合して全脳F-PET画像を生成する。
論文 参考訳(メタデータ) (2022-02-14T08:40:19Z) - 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) - Spatio-Temporal Dual-Stream Neural Network for Sequential Whole-Body PET
Segmentation [10.344707825773252]
連続体PETスキャンをセグメント化する「デュアルストリーム」ニューラルネットワーク(ST-DSNN)を提案する。
我々のST-DSNNは、時間とともに行われたPET画像から画像の特徴を学習し、蓄積する。
その結果,本手法は最新のPET画像分割法よりも優れていた。
論文 参考訳(メタデータ) (2021-06-09T10:15:20Z) - ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep
learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。
ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文 参考訳(メタデータ) (2021-02-25T14:52:23Z)
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。