Fugu-MT 論文翻訳(概要): An Open-Source Tool for Longitudinal Whole-Brain and White Matter Lesion Segmentation

論文の概要: An Open-Source Tool for Longitudinal Whole-Brain and White Matter Lesion Segmentation

arxiv url: http://arxiv.org/abs/2207.04534v1
Date: Sun, 10 Jul 2022 20:42:12 GMT
ステータス: 処理完了
システム内更新日: 2022-07-12 14:58:35.785574
Title: An Open-Source Tool for Longitudinal Whole-Brain and White Matter Lesion Segmentation
Title（参考訳）: 縦断的全脳白質病変分類のためのオープンソースツール
Authors: Stefano Cerri, Douglas N. Greve, Andrew Hoopes, Henrik Lundell, Hartwig R. Siebner, Mark M\"uhlau, Koen Van Leemput
Abstract要約: マルチコントラストデータの処理と白質病変の画像の堅牢な解析が可能な,既存の全脳セグメンテーション手法を構築した。本手法は, セグメンテーション結果間の時間的一貫性を助長する主観的潜在変数を用いて拡張する。本手法はアルツハイマー病と多発性硬化症に苦しむコントロール対象と患者を複数データセットで比較検討した。
参考スコア（独自算出の注目度）: 0.15833270109954134
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we describe and validate a longitudinal method for whole-brain segmentation of longitudinal MRI scans. It builds upon an existing whole-brain segmentation method that can handle multi-contrast data and robustly analyze images with white matter lesions. This method is here extended with subject-specific latent variables that encourage temporal consistency between its segmentation results, enabling it to better track subtle morphological changes in dozens of neuroanatomical structures and white matter lesions. We validate the proposed method on multiple datasets of control subjects and patients suffering from Alzheimer's disease and multiple sclerosis, and compare its results against those obtained with its original cross-sectional formulation and two benchmark longitudinal methods. The results indicate that the method attains a higher test-retest reliability, while being more sensitive to longitudinal disease effect differences between patient groups. An implementation is publicly available as part of the open-source neuroimaging package FreeSurfer.
Abstract（参考訳）: 本稿では,縦型mriスキャンにおける全脳セグメンテーション(全脳セグメンテーション)の縦方向法について述べる。これは、マルチコントラストデータを処理し、白質病変のある画像を堅牢に分析できる既存の全脳セグメンテーション法に基づいている。この方法は、被験者固有の潜伏変数で拡張され、セグメンテーション結果間の時間的一貫性が促進され、何十もの神経解剖学的構造と白質病変の微妙な形態変化をよりよく追跡することができる。本手法は,アルツハイマー病および多発性硬化症に罹患する患者とコントロール対象者の複数のデータセットについて検証し,元の横断的定式化法と2つのベンチマーク縦断法との比較を行った。以上の結果から, 患者群間の縦断的疾患効果差に敏感でありながら, 高い検査信頼性が得られることが示唆された。実装はオープンソースのニューロイメージングパッケージFreeSurferの一部として公開されている。

関連論文リスト

Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文参考訳（メタデータ） (2024-07-31T04:32:43Z)
Towards contrast-agnostic soft segmentation of the spinal cord [0.27029650498548424]
本稿では,脊髄のソフトセグメンテーションを生成する深層学習法を提案する。我々のモデルは、目に見えないデータセット、ベンダー、コントラスト、病理の最先端の手法よりも良く一般化する。
論文参考訳（メタデータ） (2023-10-23T23:15:28Z)
Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文参考訳（メタデータ） (2023-03-07T09:40:22Z)
Brain Tissue Segmentation Across the Human Lifespan via Supervised Contrastive Learning [34.82366750668948]
深層学習モデルを用いて,脳組織をヒトの寿命全体(0～100歳)に分割する試みを初めて行った。我々のモデルは脳組織を正確に分割し、既存の方法より優れています。
論文参考訳（メタデータ） (2023-01-03T21:54:17Z)
FAST-AID Brain: Fast and Accurate Segmentation Tool using Artificial Intelligence Developed for Brain [0.8376091455761259]
ヒト脳の132領域への高速かつ正確なセグメンテーションのための新しい深層学習法を提案する。提案モデルは、効率的なU-Netライクなネットワークと、異なるビューと階層関係の交差点の利点を利用する。提案手法は,画像の事前処理や性能低下を伴わずに頭蓋骨や他の人工物を含む脳MRIデータに適用することができる。
論文参考訳（メタデータ） (2022-08-30T16:06:07Z)
Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文参考訳（メタデータ） (2022-07-18T23:07:53Z)
Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。 on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
論文参考訳（メタデータ） (2022-01-07T07:46:01Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文参考訳（メタデータ） (2020-09-28T18:30:14Z)
A Longitudinal Method for Simultaneous Whole-Brain and Lesion Segmentation in Multiple Sclerosis [0.17999333451993946]
この方法は、既存の横断的手法に基づいて、全脳と病変の分節を同時に行う。スキャナやMRIプロトコル、縦方向フォローアップスキャンの回数やタイミングについて、事前の仮定をしていないため、非常に一般的な方法である。 3つの縦断データセットに対する予備実験により,提案手法はより信頼性の高いセグメンテーションを発生し,それに基づく断面積法よりも病気効果を検出できることが示唆された。
論文参考訳（メタデータ） (2020-08-12T05:43:59Z)
A Contrast-Adaptive Method for Simultaneous Whole-Brain and Lesion Segmentation in Multiple Sclerosis [0.15833270109954134]
MRIによる白質病変と正常に出現する神経解剖学的構造を同時分離する方法を提案する。この方法は、白質病変の新しいモデルと、以前に検証された全脳セグメンテーションの生成モデルを統合する。
論文参考訳（メタデータ） (2020-05-11T14:25:35Z)

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。