論文の概要: Accelerated and Quantitative 3D Semisolid MT/CEST Imaging using a Generative Adversarial Network (GAN-CEST)

• arxiv url: http://arxiv.org/abs/2207.11297v2
• Date: Sat, 5 Aug 2023 12:34:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-09 01:10:38.307351
• Title: Accelerated and Quantitative 3D Semisolid MT/CEST Imaging using a Generative Adversarial Network (GAN-CEST)
• Title（参考訳）: generative adversarial network(gan-cest)を用いた3次元mt/cest画像の高速化と定量化
• Authors: Jonah Weigand-Whittier (1), Maria Sedykh (2), Kai Herz (3 and 4), Jaume Coll-Font (1 and 5), Anna N. Foster (1 and 5), Elizabeth R. Gerstner (6), Christopher Nguyen (1 and 5 and 7), Moritz Zaiss (2 and 3), Christian T. Farrar (1) and Or Perlman (1 and 8 and 9) ((1) Athinoula A. Martinos Center for Biomedical Imaging, Department of Radiology, Massachusetts General Hospital and Harvard Medical School, Charlestown, MA, USA, (2) Department of Neuroradiology, Friedrich-Alexander Universit\"at Erlangen-N\"urnberg (FAU), University Hospital Erlangen, Erlangen, Germany, (3) Magnetic Resonance Center, Max Planck Institute for Biological Cybernetics, T\"ubingen, Germany, (4) Department of Biomedical Magnetic Resonance, University of T\"ubingen, T\"ubingen, Germany, (5) Cardiovascular Research Center, Cardiology Division, Massachusetts General Hospital, Charlestown, MA, USA, (6) Massachusetts General Hospital Cancer Center, Harvard Medical School, Boston, MA, USA, (7) Health Science Technology, Harvard-MIT, Cambridge, MA, USA, (8) Department of Biomedical Engineering, Tel Aviv University, Tel Aviv, Israel, (9) Sagol School of Neuroscience, Tel Aviv University, Tel Aviv, Israel)
• Abstract要約: GAN-CEST(Generative Adversarial Network supervised framework)は、入力データ空間から定量的な交換パラメータ空間へのマッピングを学習するために訓練された。 GAN-CESTは、定量半固体MT/CESTマッピングの取得時間を著しく短縮することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: To substantially shorten the acquisition time required for quantitative 3D chemical exchange saturation transfer (CEST) and semisolid magnetization transfer (MT) imaging and allow for rapid chemical exchange parameter map reconstruction. Methods: Three-dimensional CEST and MT magnetic resonance fingerprinting (MRF) datasets of L-arginine phantoms, whole-brains, and calf muscles from healthy volunteers, cancer patients, and cardiac patients were acquired using 3T clinical scanners at 3 different sites, using 3 different scanner models and coils. A generative adversarial network supervised framework (GAN-CEST) was then designed and trained to learn the mapping from a reduced input data space to the quantitative exchange parameter space, while preserving perceptual and quantitative content. Results: The GAN-CEST 3D acquisition time was 42-52 seconds, 70% shorter than CEST-MRF. The quantitative reconstruction of the entire brain took 0.8 seconds. An excellent agreement was observed between the ground truth and GAN-based L-arginine concentration and pH values (Pearson's r > 0.97, NRMSE < 1.5%). GAN-CEST images from a brain-tumor subject yielded a semi-solid volume fraction and exchange rate NRMSE of 3.8$\pm$1.3% and 4.6$\pm$1.3%, respectively, and SSIM of 96.3$\pm$1.6% and 95.0$\pm$2.4%, respectively. The mapping of the calf-muscle exchange parameters in a cardiac patient, yielded NRMSE < 7% and SSIM > 94% for the semi-solid exchange parameters. In regions with large susceptibility artifacts, GAN-CEST has demonstrated improved performance and reduced noise compared to MRF. Conclusion: GAN-CEST can substantially reduce the acquisition time for quantitative semisolid MT/CEST mapping, while retaining performance even when facing pathologies and scanner models that were not available during training.
• Abstract（参考訳）: 目的: 定量的な3次元化学交換飽和移動(CEST)および半固体磁化移動(MT)イメージングに必要な取得時間を著しく短縮し、迅速な化学交換パラメータマップの再構築を可能にする。 方法: 健常者, がん患者, 心臓患者のL-アルギニンファントム, 全身脳, ふくらはぎ筋の3次元CESTおよびMT磁気共鳴指紋(MRF)データセットを, 3つの異なるスキャナーモデルとコイルを用いて3つの異なる部位の3T臨床スキャナーを用いて取得した。 次にgan-cest(generative adversarial network supervised framework)を設計、訓練し、入力データ空間から量的交換パラメータ空間へのマッピングを学習し、知覚的および定量的なコンテンツを保存した。 結果: GAN-CEST 3D取得時間は42-52秒で, CEST-MRFより70%短かった。 脳全体の定量的再構築には0.8秒を要した。 GANをベースとしたL-アルギニン濃度とpH(Pearson's r > 0.97, NRMSE < 1.5%)との間には良好な一致が認められた。 脳腫瘍患者のGAN-CEST画像は、それぞれ3.8$\pm$1.3%と4.6$\pm$1.3%、SSIMは96.3$\pm$1.6%、95.0$\pm$2.4%である。 半固体交換パラメータはnrmse < 7%, ssim > 94%であった。 GAN-CESTはMRFに比べて性能が向上しノイズが低減した。 結論: GAN-CESTは,訓練中に利用できない病態やスキャナーモデルに直面する場合であっても,定量的半固形MT/CESTマッピングの取得時間を著しく短縮することができる。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• A Deep Learning-Based and Fully Automated Pipeline for Regurgitant Mitral Valve Anatomy Analysis from 3D Echocardiography [0.0]
  3D経食道心エコー法(DTEE)は僧帽弁閉鎖不全症(MR)の診断に有用である 手動TEEセグメンテーションは時間を要するため、運用内の変動が原因で、測定の信頼性に影響を及ぼす。 我々は,3次元畳み込みニューラルネットワーク(CNN)を用いて,MVサブ構造を分割し,MV解剖を定量化する完全自動パイプラインを開発した。
  論文  参考訳（メタデータ） (2023-02-21T12:48:44Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• One shot PACS: Patient specific Anatomic Context and Shape prior aware recurrent registration-segmentation of longitudinal thoracic cone beam CTs [3.3504365823045044]
  胸部CBCTは, 造影コントラスト, 画像所見, 呼吸運動, 胸腔内解剖学的変化により, 分画が困難である。 縦型CBCTセグメンテーションのための新規な患者固有の解剖コンテキストと先行形状, PACS-3Dリカレントレジストレーションネットワークを開発した。
  論文  参考訳（メタデータ） (2022-01-26T15:18:30Z)
• Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle Quantification [6.887389908965403]
  心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。 まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。 提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
  論文  参考訳（メタデータ） (2020-12-24T17:48:35Z)
• 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)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Pulmonary Nodule Malignancy Classification Using its Temporal Evolution with Two-Stream 3D Convolutional Neural Networks [1.8296223238169225]
  異なるタイミングで採取した同一患者から2つの肺結節体積を共同解析することにより悪性度を予測する2ストリーム3次元畳み込みニューラルネットワークを提案する。 ベストな結果は、F1スコアの9%と12%の増分でテスト中のF1スコアの77%を達成している。
  論文  参考訳（メタデータ） (2020-05-22T18:19:32Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。