論文の概要: SUPER-IVIM-DC: Intra-voxel incoherent motion based Fetal lung maturity
assessment from limited DWI data using supervised learning coupled with
data-consistency
- arxiv url: http://arxiv.org/abs/2206.03820v1
- Date: Wed, 8 Jun 2022 11:33:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-09 13:25:25.369416
- Title: SUPER-IVIM-DC: Intra-voxel incoherent motion based Fetal lung maturity
assessment from limited DWI data using supervised learning coupled with
data-consistency
- Title（参考訳）: super-ivim-dc : 教師付き学習とデータ一貫性を併用した限定dwiデータを用いた胎児肺成熟度評価
- Authors: Noam Korngut, Elad Rotman, Onur Afacan, Sila Kurugol, Yael
Zaffrani-Reznikov, Shira Nemirovsky-Rotman, Simon Warfield, Moti Freiman
- Abstract要約: 本稿では,DNN(Deep-neural-networks)アプローチであるSUPER-IVIM-DCを提案する。
数値シミュレーションと健康的ボランティアスタディにより,限られたDWIデータから得られたIVIMモデルパラメータのSUPER-IVIM-DC推定値が,従来のDNN法と比較すると,正規化ルート平均二乗誤差が低かった。
- 参考スコア（独自算出の注目度）: 0.3015442485490762
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intra-voxel incoherent motion (IVIM) analysis of fetal lungs
Diffusion-Weighted MRI (DWI) data shows potential in providing quantitative
imaging bio-markers that reflect, indirectly, diffusion and pseudo-diffusion
for non-invasive fetal lung maturation assessment. However, long acquisition
times, due to the large number of different "b-value" images required for IVIM
analysis, precluded clinical feasibility. We introduce SUPER-IVIM-DC a
deep-neural-networks (DNN) approach which couples supervised loss with a
data-consistency term to enable IVIM analysis of DWI data acquired with a
limited number of b-values. We demonstrated the added-value of SUPER-IVIM-DC
over both classical and recent DNN approaches for IVIM analysis through
numerical simulations, healthy volunteer study, and IVIM analysis of fetal lung
maturation from fetal DWI data. % add results Our numerical simulations and
healthy volunteer study show that SUPER-IVIM-DC estimates of the IVIM model
parameters from limited DWI data had lower normalized root mean-squared error
compared to previous DNN-based approaches. Further, SUPER-IVIM-DC estimates of
the pseudo-diffusion fraction parameter from limited DWI data of fetal lungs
correlate better with gestational age compared to both to classical and
DNN-based approaches (0.242 vs. -0.079 and 0.239). SUPER-IVIM-DC has the
potential to reduce the long acquisition times associated with IVIM analysis of
DWI data and to provide clinically feasible bio-markers for non-invasive fetal
lung maturity assessment.
- Abstract（参考訳）: in-voxel incoherent motion(ivim)による胎児肺拡散強調mri(dwi)データの解析は、非侵襲的胎児肺成熟評価のための間接的拡散および擬似拡散を反映する定量的イメージングバイオマーカーを提供する可能性を示している。
しかし,IVIM解析に要する「b値」画像が多種多様であったため,長期取得が可能であった。
本研究では,教師付き損失とデータコンシスタンス項を結合し,限られた数のb値で取得したdwiデータのivim解析を可能にする,dnn(deep-neural-networks)アプローチを提案する。
数値シミュレーション,健常ボランティア研究,および胎児肺成熟度データを用いた胎児肺成熟度分析による胎児肺成熟度解析による,古典的および最近のDNN法および最近のDNN法に対するsupPER-IVIM-DCの付加価値を実証した。
%増量実験の結果,DWIデータからのIVIMモデルパラメータのSUPER-IVIM-DC推定は,従来のDNN法と比較して正常化ルート平均二乗誤差が低かった。
さらに, 胎児肺のDWIデータから擬似拡散分画パラメータを推定したSUPER-IVIM-DCは, 妊娠年齢と古典的およびDNN的アプローチ(0.242 vs.-0.079, 0.239)と相関した。
SuPER-IVIM-DCは、DWIデータのIVIM分析に伴う長期取得時間を短縮し、非侵襲性胎児肺成熟度評価のための臨床的に実現可能なバイオマーカーを提供する可能性がある。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Deep Learning with Information Fusion and Model Interpretation for
Health Monitoring of Fetus based on Long-term Prenatal Electronic Fetal Heart
Rate Monitoring Data [24.955121216437963]
本研究では,連続FHRモニタリングのためのLARA(Long-term Antepartum Risk Analysis System)という自動分析システムを開発した。
LARAのコアは、確立された畳み込みニューラルネットワーク(CNN)モデルである。長期FHRデータを入力として処理し、分析結果としてリスク分散マップ(RDM)とリスク指標(RI)を生成する。
論文 参考訳（メタデータ） (2024-01-27T07:59:54Z) - IVIM-Morph: Motion-compensated quantitative Intra-voxel Incoherent
Motion (IVIM) analysis for functional fetal lung maturity assessment from
diffusion-weighted MRI data [7.153604636257284]
動き補正によるDWIデータの定量的解析のための自己教師型ディープニューラルネットワークモデルIVIM-morphを提案する。
IVIM-morphは2つのサブネットワーク、登録サブネットワーク、IVIMモデル適合サブネットワークを組み合わせ、IVIMモデルパラメータと動きの同時推定を可能にする。
論文 参考訳（メタデータ） (2024-01-13T18:01:44Z) - Robust Fiber ODF Estimation Using Deep Constrained Spherical
Deconvolution for Diffusion MRI [7.9283612449524155]
測定したDW-MRI信号をモデル化するための一般的なプラクティスは、繊維配向分布関数(fODF)である。
DW-MRIの取得において、測定変数(サイト内およびサイト内変動、ハードウェア性能、シーケンス設計など)は避けられない。
既存のモデルベース手法(例えば、制約付き球面デコンボリューション(CSD))や学習ベース手法(例えば、ディープラーニング(DL))は、fODFモデリングにおいてそのような変動を明示的に考慮していない。
本稿では,データ駆動型深部制約付き球面デコンボリューション法を提案する。
論文 参考訳（メタデータ） (2023-06-05T14:06:40Z) - qDWI-Morph: Motion-compensated quantitative Diffusion-Weighted MRI
analysis for fetal lung maturity assessment [0.3599866690398789]
運動補償量DWI解析のための教師なしディープニューラルネットワークアーキテクチャであるqDWI-morphを導入する。
提案手法では,登録サブネットワークと定量的なDWIモデル適合サブネットワークを結合する。
我々のqDWI-morphは、DWIデータの運動補償定量分析を可能にする可能性があり、非侵襲的胎児肺成熟度評価のための臨床的に実現可能なバイオマーカーを提供する。
論文 参考訳（メタデータ） (2022-08-21T08:04:59Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳（メタデータ） (2022-06-20T14:53:25Z) - Multi-View Substructure Learning for Drug-Drug Interaction Prediction [69.34322811160912]
DDI予測のための新しいマルチビュードラッグサブ構造ネットワーク(MSN-DDI)を提案する。
MSN-DDIは、単一の薬物(イントラビュー)と薬物ペア(インタービュー)の両方の表現から化学的サブ構造を同時に学習し、そのサブ構造を利用して、薬物表現を反復的に更新する。
総合的な評価では、MSN-DDIは、トランスダクティブ・セッティングの下で比較的改善された19.32%と99%以上の精度を達成することで、既存の薬物に対するDDI予測をほぼ解決したことを示している。
論文 参考訳（メタデータ） (2022-03-28T05:44:29Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - Estimating and Improving Dynamic Treatment Regimes With a Time-Varying
Instrumental Variable [9.680527191968409]
レトロスペクティブの観測データから動的治療体制(DTR)を推定することは、ある程度の未測定のコンバーチングがしばしば予想されるため、困難である。
我々は、適切に定義された「最適」を推定する枠組みを開発する
保証されているDTRは、事前に指定されたベースラインよりも悪く、潜在的に優れている。
論文 参考訳（メタデータ） (2021-04-15T23:44:39Z) - Federated Deep AUC Maximization for Heterogeneous Data with a Constant
Communication Complexity [77.78624443410216]
異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。
本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。
FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
論文 参考訳（メタデータ） (2021-02-09T04:05:19Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。