論文の概要: UniToBrain dataset: a Brain Perfusion Dataset
- arxiv url: http://arxiv.org/abs/2208.00650v1
- Date: Mon, 1 Aug 2022 07:16:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 13:23:29.344341
- Title: UniToBrain dataset: a Brain Perfusion Dataset
- Title（参考訳）: UniToBrainデータセット: Brain Perfusionデータセット
- Authors: Daniele Perlo and Enzo Tartaglione and Umberto Gava and Federico
D'Agata and Edwin Benninck and Mauro Bergui
- Abstract要約: では、UniToBrainを紹介します。
本稿では,画像処理と深層学習モデル開発のために,欧州のECVLとEDDLを用いたニューラルネットワークに基づく新しいアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 2.02258267891574
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The CT perfusion (CTP) is a medical exam for measuring the passage of a bolus
of contrast solution through the brain on a pixel-by-pixel basis. The objective
is to draw "perfusion maps" (namely cerebral blood volume, cerebral blood flow
and time to peak) very rapidly for ischemic lesions, and to be able to
distinguish between core and penumubra regions. A precise and quick diagnosis,
in a context of ischemic stroke, can determine the fate of the brain tissues
and guide the intervention and treatment in emergency conditions. In this work
we present UniToBrain dataset, the very first open-source dataset for CTP. It
comprises a cohort of more than a hundred of patients, and it is accompanied by
patients metadata and ground truth maps obtained with state-of-the-art
algorithms. We also propose a novel neural networks-based algorithm, using the
European library ECVL and EDDL for the image processing and developing deep
learning models respectively. The results obtained by the neural network models
match the ground truth and open the road towards potential sub-sampling of the
required number of CT maps, which impose heavy radiation doses to the patients.
- Abstract（参考訳）: CT灌流(CT Perfusion, CTP)は、造影液の脳内通過をピクセル単位で測定するための医学的検査である。
虚血性病変に対して「灌流図」(脳血流量、脳血流量、ピークまでの時間)を非常に迅速に描き、コア領域とペヌムブラ領域を区別できるようにすることが目的である。
虚血性脳梗塞の文脈において、正確かつ迅速な診断は、脳組織の運命を決定し、緊急時の介入と治療を導くことができる。
本稿では,ctp用のオープンソースデータセットであるunitobrain datasetを提案する。
それは100人以上の患者からなるコホートであり、最先端アルゴリズムで得られた患者のメタデータと根拠真理マップを伴っている。
また、画像処理と深層学習モデルの開発に欧州のECVLとEDDLを用いて、ニューラルネットワークに基づく新しいアルゴリズムを提案する。
ニューラルネットワークモデルによって得られた結果は、地上の真実と一致し、必要な数のCTマップの潜在的サブサンプリングへの道を開くことで、患者に大量の放射線を照射する。
関連論文リスト
- Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳（メタデータ） (2023-11-18T14:52:26Z) - PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic
Segmentation, Object Detection and Radiomic Feature Extraction of
Perihematomal Edema in Spontaneous Intracerebral Hemorrhage [2.602118060856794]
脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。
PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
論文 参考訳（メタデータ） (2023-08-21T07:18:51Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳（メタデータ） (2023-06-20T22:21:34Z) - 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) - CT Perfusion is All We Need: 4D CNN Segmentation of Penumbra and Core in
Patients With Suspected Ischemic Stroke [1.6836876499886009]
本稿では,時間情報を完全に活用する4つの畳み込みを入力として利用する方法について検討する。
提案した4D mJ-Netを用いることで、ペニブラとコア領域の分割にそれぞれ0.53と0.23のDice係数が得られる。
論文 参考訳（メタデータ） (2023-03-15T16:53:19Z) - 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) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Slice-level Detection of Intracranial Hemorrhage on CT Using Deep
Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。
我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。
提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文 参考訳（メタデータ） (2022-08-05T23:20:37Z) - Multi-input segmentation of damaged brain in acute ischemic stroke
patients using slow fusion with skip connection [1.372466817835681]
急性虚血性脳梗塞患者における2つの虚血領域(コアとペナムブラ)を自動分割する方法を提案する。
我々のモデルは、マルチインプットと遅い融合を伴う畳み込み・デコンボリューションのボトルネック構造に基づいている。
提案したアーキテクチャは、神経放射線学者が注釈付けした地上の真実に匹敵する効果的な性能と結果を示す。
論文 参考訳（メタデータ） (2022-03-18T16:26:53Z) - 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) - Neural Network-derived perfusion maps: a Model-free approach to computed
tomography perfusion in patients with acute ischemic stroke [4.925222726301579]
畳み込みニューラルネットワーク(CNN)はCT灌流データから臨床的に関連するパラメトリックマップを生成することができる。
cnnベースのアプローチは,最先端の灌流解析法に匹敵する臨床関連灌流マップを作成した。
論文 参考訳（メタデータ） (2021-01-15T07:11:02Z)
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。