論文の概要: U-PET: MRI-based Dementia Detection with Joint Generation of Synthetic FDG-PET Images

• arxiv url: http://arxiv.org/abs/2206.08078v1
• Date: Thu, 16 Jun 2022 10:47:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-17 14:45:49.554409
• Title: U-PET: MRI-based Dementia Detection with Joint Generation of Synthetic FDG-PET Images
• Title（参考訳）: 合成FDG-PET画像の同時生成によるMRIによる認知症検出
• Authors: Marcel Kollovieh, Matthias Keicher, Stephan Wunderlich, Hendrik Burwinkel, Thomas Wendler and Nassir Navab
• Abstract要約: 本稿では,T1重み付きMR画像を入力として用いて合成FDG-PET画像を生成するマルチタスク手法を提案する。 両方のタスクヘッドで使用されるアテンションゲートは、脳の最も関連性の高い部分を可視化し、検査者を誘導し、解釈可能性を追加することができる。 その結果, 合成FDG-PET画像の生成が成功し, 単一タスクベースライン上での疾患分類が向上した。
• 参考スコア（独自算出の注目度）: 37.14076185163271
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alzheimer's disease (AD) is the most common cause of dementia. An early detection is crucial for slowing down the disease and mitigating risks related to the progression. While the combination of MRI and FDG-PET is the best image-based tool for diagnosis, FDG-PET is not always available. The reliable detection of Alzheimer's disease with only MRI could be beneficial, especially in regions where FDG-PET might not be affordable for all patients. To this end, we propose a multi-task method based on U-Net that takes T1-weighted MR images as an input to generate synthetic FDG-PET images and classifies the dementia progression of the patient into cognitive normal (CN), cognitive impairment (MCI), and AD. The attention gates used in both task heads can visualize the most relevant parts of the brain, guiding the examiner and adding interpretability. Results show the successful generation of synthetic FDG-PET images and a performance increase in disease classification over the naive single-task baseline.
• Abstract（参考訳）: アルツハイマー病 (AD) は認知症の最も一般的な原因である。 早期発見は、疾患の抑制と進行に関連するリスクの軽減に不可欠である。 MRIとFDG-PETの組み合わせは診断に最適なツールであるが、FDG-PETは必ずしも利用できない。 特にFDG-PETが全ての患者に手頃でない地域において、MRIのみによるアルツハイマー病の確実な検出が有用であった。 そこで本研究では,t1強調mr画像を入力として合成fdg-pet画像を生成し,認知機能正常(cn),認知機能障害(mci),adに分類するu-netに基づくマルチタスク手法を提案する。 両タスクヘッドで使用される注意ゲートは、脳の最も関連する部分を視覚化し、検査官を誘導し、解釈可能性を追加する。 その結果, 合成FDG-PET画像の生成が成功し, 単一タスクベースラインでの疾患分類が向上した。

関連論文リスト

• PASTA: Pathology-Aware MRI to PET Cross-Modal Translation with Diffusion Models [7.6672160690646445]
  本研究では,条件付き拡散モデルに基づく新しい画像翻訳フレームワークであるPASTAを紹介する。 サイクル交換一貫性とボリューム生成戦略は、高品質な3DPETスキャンを生成するPASTAの能力を高める。 アルツハイマー分類では、合成スキャンの性能はMRIよりも4%向上し、実際のPETの性能にほぼ達する。
  論文  参考訳（メタデータ） (2024-05-27T08:33:24Z)
• Three-Dimensional Amyloid-Beta PET Synthesis from Structural MRI with Conditional Generative Adversarial Networks [45.426889188365685]
  アルツハイマー病の徴候には、アミロイド-ベタ鉱床と脳萎縮がある。 PETは高価で侵襲的であり、患者を電離放射線に曝す。 MRIはより安価で、非侵襲的で、電離放射線を含まないが、脳萎縮の測定に限られる。
  論文  参考訳（メタデータ） (2024-05-03T14:10:29Z)
• Unsupervised Generation of Pseudo Normal PET from MRI with Diffusion Model for Epileptic Focus Localization [31.47772770612585]
  FDGポジトロン・エミッション・トモグラフィー(PET)はてんかんの焦点を特定する上で重要なツールである。 FDG PETによる評価と診断の有効性は、健康管理群の選択に依存する。 本研究では, てんかん焦点定位のための偽正常FDG PETを生成するために, 無障害MRIからPET翻訳への教師なし学習法について検討した。
  論文  参考訳（メタデータ） (2024-02-02T07:26:56Z)
• 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)
• Synthesizing PET images from High-field and Ultra-high-field MR images Using Joint Diffusion Attention Model [18.106861006893524]
  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)
• Is a PET all you need? A multi-modal study for Alzheimer's disease using 3D CNNs [3.678164468512092]
  アルツハイマー病(Alzheimer's Disease, AD)は、認知症の最も一般的な形態であり、認知症の多因子因果関係により診断が困難であることが多い。 神経画像を用いた深部神経ネットワーク(DNN)を用いたコンピュータ支援診断の最近の研究は、構造的磁気共鳴画像(sMRI)とフルオロデオキシグルコースポジトロン放射断層撮影(FDG-PET)を融合させることにより、ADの健康管理と被験者の集団において精度が向上することを示した。 今後のマルチモーダル融合の取り組みは,提案した評価枠組みに従って,個別のモダリティの貢献を体系的に評価すべきである,と論じる。
  論文  参考訳（メタデータ） (2022-07-05T14:55:56Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• 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)
• GANDALF: Generative Adversarial Networks with Discriminator-Adaptive Loss Fine-tuning for Alzheimer's Disease Diagnosis from MRI [1.4838157426267355]
  ポジトロン・エミッション・トモグラフィ(PET)は、現在アルツハイマー病(AD)の診断基準となっている。 MRIはより広く利用でき、望まれる画像解像度を設定する際の柔軟性を提供する。 GAN(Generative Adversarial Network)を用いたMR画像からのPET画像の合成の試みが数多く行われている。 本稿では,最高のAD分類性能を達成するために,GANトレーニング目標にAD診断を組み込んだ代替手法を提案する。
  論文  参考訳（メタデータ） (2020-08-10T20:09:35Z)

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。