Fugu-MT 論文翻訳(概要): Classical and learned MR to pseudo-CT mappings for accurate transcranial ultrasound simulation

論文の概要: Classical and learned MR to pseudo-CT mappings for accurate transcranial ultrasound simulation

arxiv url: http://arxiv.org/abs/2206.15441v1
Date: Thu, 30 Jun 2022 17:33:44 GMT
ステータス: 処理完了
システム内更新日: 2022-07-01 15:57:37.650916
Title: Classical and learned MR to pseudo-CT mappings for accurate transcranial ultrasound simulation
Title（参考訳）: 経頭蓋超音波シミュレーションにおける古典的MRIと擬似CTマッピング
Authors: Maria Miscouridou, Jos\'e A. Pineda-Pardo, Charlotte J. Stagg, Bradley E. Treeby, Antonio Stanziola
Abstract要約: MR画像から擬似CT画像を生成する3つの手法を比較した。また, 擬似CT画像を用いて超音波シミュレーションを行い, CTによるシミュレーションと比較した。
参考スコア（独自算出の注目度）: 0.33598755777055367
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Model-based treatment planning for transcranial ultrasound therapy typically involves mapping the acoustic properties of the skull from an x-ray computed tomography (CT) image of the head. Here, three methods for generating pseudo-CT images from magnetic resonance (MR) images were compared as an alternative to CT. A convolutional neural network (U-Net) was trained on paired MR-CT images to generate pseudo-CT images from either T1-weighted or zero-echo time (ZTE) MR images (denoted tCT and zCT, respectively). A direct mapping from ZTE to pseudo-CT was also implemented (denoted cCT). When comparing the pseudo-CT and ground truth CT images for the test set, the mean absolute error was 133, 83, and 145 Hounsfield units (HU) across the whole head, and 398, 222, and 336 HU within the skull for the tCT, zCT, and cCT images, respectively. Ultrasound simulations were also performed using the generated pseudo-CT images and compared to simulations based on CT. An annular array transducer was used targeting the visual or motor cortex. The mean differences in the simulated focal pressure, focal position, and focal volume were 9.9%, 1.5 mm, and 15.1% for simulations based on the tCT images, 5.7%, 0.6 mm, and 5.7% for the zCT, and 6.7%, 0.9 mm, and 12.1% for the cCT. The improved results for images mapped from ZTE highlight the advantage of using imaging sequences which improve contrast of the skull bone. Overall, these results demonstrate that acoustic simulations based on MR images can give comparable accuracy to those based on CT.
Abstract（参考訳）: 経頭蓋超音波治療のためのモデルに基づく治療計画では、頭蓋骨の音響特性を頭部のx線ct画像からマッピングすることが一般的である。磁気共鳴(MR)画像から擬似CT画像を生成する3つの手法をCTの代替として比較した。畳み込みニューラルネットワーク(U-Net)は、T1強調時間またはゼロエチョ時間(ZTE)MR画像(それぞれtCTとzCT)から擬似CT画像を生成するために、ペア化されたMR-CT画像に基づいて訓練された。 ZTEから擬似CTへの直接マッピングも実装された(cCT)。テストセットの擬似CT画像と接地真理CT画像を比較すると、平均絶対誤差は頭部全体で133,83,145個のハウンズフィールド単位(HU)であり、tCT,zCT,cCT画像の頭蓋内398,222,336個のHUであった。また, 擬似CT画像を用いて超音波シミュレーションを行い, CTによるシミュレーションと比較した。視覚野や運動野を標的とした環状アレイトランスデューサが用いられた。模擬焦点圧力,焦点位置,焦点体積の平均差は, tCT画像に基づくシミュレーションでは9.9%, 1.5mm, 15.1%, zCTでは5.7%, 0.6mm, 5.7%, cCTでは6.7%, 0.9mm, 12.1%であった。 ZTEからマッピングした画像の改善結果は、頭蓋骨のコントラストを改善する画像シーケンスを使用することの利点を強調している。以上の結果から,MR画像に基づく音響シミュレーションはCTと同等の精度が得られることが示された。

関連論文リスト

TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.586530244472655]
我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
論文参考訳（メタデータ） (2024-05-16T03:23:57Z)
Cycle-consistent Generative Adversarial Network Synthetic CT for MR-only Adaptive Radiation Therapy on MR-Linac [0.0]
MR-LINAC治療のMRIおよびCTスキャンスライスを用いてサイクロGANモデルを訓練し,sCTボリュームを作成した。ドシメトリック評価では, sCTとdCTの差は小さかったが, sCTでは気泡再建が良好であった。
論文参考訳（メタデータ） (2023-12-03T04:38:17Z)
Energy-Guided Diffusion Model for CBCT-to-CT Synthesis [8.888473799320593]
コーンビームCT(CBCT)は、臓器解剖が変化した場合の放射線治療を正確に行うことにより、適応放射線療法(ART)において重要な役割を担っている。 CBCT画像は散乱ノイズやアーティファクトに悩まされ、CBCTのみに依存して正確な線量計算と正確な組織局在を困難にしている。本稿では,エネルギー誘導拡散モデル(EGDiff)を提案し,胸部腫瘍データセットを用いてCBCTから合成CT(sCT)を生成する実験を行った。
論文参考訳（メタデータ） (2023-08-07T07:23:43Z)
Synthetic CT Generation from MRI using 3D Transformer-based Denoising Diffusion Model [2.232713445482175]
磁気共鳴イメージング(MRI)を用いたシンセティックCT(sCT)は放射線治療計画を簡単にする。本稿では,MRIを高品質なsCTに変換するためのMRI-to-CT変換器を用いた denoising diffusion probabilistic model (MC-DDPM)を提案する。
論文参考訳（メタデータ） (2023-05-31T00:32:00Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
Evaluation of Synthetically Generated CT for use in Transcranial Focused Ultrasound Procedures [5.921808547303054]
経頭蓋骨集束超音波(TFUS)は、頭蓋骨を通して音を非侵襲的に、しばしばMRI誘導下で小さな領域に集束する治療用超音波法である。 CT画像は、個々の頭蓋骨間で異なる音響特性を推定するために使われ、tFUS手術中に効果的に焦点を合わせることができる。そこで我々は,3Dパッチベースの条件付き生成対向ネットワーク(cGAN)を用いて,日常的に取得したT1強調MRIからCT画像を合成した。我々は,Kranion を用いた tFUS 計画のための sCT と実CT (rCT) 画像を比較し,音響ツールボックスを用いたシミュレーションを行った。
論文参考訳（メタデータ） (2022-10-26T15:15:24Z)
Synthetic CT Skull Generation for Transcranial MR Imaging-Guided Focused Ultrasound Interventions with Conditional Adversarial Networks [5.921808547303054]
経頭蓋MRIガイド下集束超音波(TcMRgFUS)は頭蓋骨内の音をMRIガイド下において非侵襲的に小さな領域に集束する治療用超音波法である。頭蓋骨を通して超音波を的確に標的にするためには、送信波が目標領域に建設的に干渉する必要がある。
論文参考訳（メタデータ） (2022-02-21T11:34:29Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文参考訳（メタデータ） (2020-09-08T15:49:55Z)

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。