論文の概要: qDWI-Morph: Motion-compensated quantitative Diffusion-Weighted MRI analysis for fetal lung maturity assessment

• arxiv url: http://arxiv.org/abs/2208.09836v1
• Date: Sun, 21 Aug 2022 08:04:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 13:23:32.657348
• Title: qDWI-Morph: Motion-compensated quantitative Diffusion-Weighted MRI analysis for fetal lung maturity assessment
• Title（参考訳）: qDWI-Morph: 胎児肺成熟度評価のための運動補償定量拡散強調MRI解析
• Authors: Yael Zaffrani-Reznikov, Onur Afacan, Sila Kurugol, Simon Warfield, Moti Freiman
• Abstract要約: 運動補償量DWI解析のための教師なしディープニューラルネットワークアーキテクチャであるqDWI-morphを導入する。 提案手法では,登録サブネットワークと定量的なDWIモデル適合サブネットワークを結合する。 我々のqDWI-morphは、DWIデータの運動補償定量分析を可能にする可能性があり、非侵襲的胎児肺成熟度評価のための臨床的に実現可能なバイオマーカーを提供する。
• 参考スコア（独自算出の注目度）: 0.3599866690398789
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quantitative analysis of fetal lung Diffusion-Weighted MRI (DWI) data shows potential in providing quantitative imaging biomarkers that indirectly reflect fetal lung maturation. However, fetal motion during the acquisition hampered quantitative analysis of the acquired DWI data and, consequently, reliable clinical utilization. We introduce qDWI-morph, an unsupervised deep-neural-network architecture for motion compensated quantitative DWI (qDWI) analysis. Our approach couples a registration sub-network with a quantitative DWI model fitting sub-network. We simultaneously estimate the qDWI parameters and the motion model by minimizing a bio-physically-informed loss function integrating a registration loss and a model fitting quality loss. We demonstrated the added-value of qDWI-morph over: 1) a baseline qDWI analysis without motion compensation and 2) a baseline deep-learning model incorporating registration loss solely. The qDWI-morph achieved a substantially improved correlation with the gestational age through in-vivo qDWI analysis of fetal lung DWI data (R-squared=0.32 vs. 0.13, 0.28). Our qDWI-morph has the potential to enable motion-compensated quantitative analysis of DWI data and to provide clinically feasible bio-markers for non-invasive fetal lung maturity assessment. Our code is available at: https://github.com/TechnionComputationalMRILab/qDWI-Morph.
• Abstract（参考訳）: 胎児肺拡散強調MRI(DWI)データの定量的解析は、胎児肺成熟を間接的に反映する定量的イメージングバイオマーカーを提供する可能性を示している。 しかし, 胎児の運動は, 得られたDWIデータの定量的解析を妨げ, その結果, 信頼性の高い臨床利用が可能となった。 運動補償量DWI(qDWI)解析のための教師なしディープニューラルネットワークアーキテクチャであるqDWI-morphを導入する。 提案手法は,登録サブネットワークと定量的DWIモデル適合サブネットワークを結合する。 登録損失とモデル適合品質損失を組み合わせた生体インフォームド損失関数を最小化することにより,qDWIパラメータと運動モデルとを同時に推定する。 我々はqDWI-morph overの付加値を示した。 1)動作補償を伴わないベースラインqdwi解析 2)登録損失のみを取り入れたベースライン深層学習モデル。 qDWI形態は胎児肺DWIデータ(R-squared=0.32 vs. 0.13, 0.28)のin-vivo qDWI解析により妊娠年齢との相関を著しく改善した。 我々のqDWI-morphは、DWIデータの運動補償定量分析を可能にする可能性があり、非侵襲的胎児肺成熟度評価のための臨床的に実現可能なバイオマーカーを提供する。 私たちのコードは、https://github.com/TechnionComputationalMRILab/qDWI-Morphで利用可能です。

関連論文リスト

• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
  変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。 ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
  論文  参考訳（メタデータ） (2024-05-13T17:49:20Z)
• IVIM-Morph: Motion-compensated quantitative Intra-voxel Incoherent Motion (IVIM) analysis for functional fetal lung maturity assessment from diffusion-weighted MRI data [7.153604636257284]
  動き補正によるDWIデータの定量的解析のための自己教師型ディープニューラルネットワークモデルIVIM-morphを提案する。 IVIM-morphは2つのサブネットワーク、登録サブネットワーク、IVIMモデル適合サブネットワークを組み合わせ、IVIMモデルパラメータと動きの同時推定を可能にする。
  論文  参考訳（メタデータ） (2024-01-13T18:01:44Z)
• Robust Fiber ODF Estimation Using Deep Constrained Spherical Deconvolution for Diffusion MRI [7.9283612449524155]
  測定したDW-MRI信号をモデル化するための一般的なプラクティスは、繊維配向分布関数(fODF)である。 DW-MRIの取得において、測定変数(サイト内およびサイト内変動、ハードウェア性能、シーケンス設計など)は避けられない。 既存のモデルベース手法(例えば、制約付き球面デコンボリューション(CSD))や学習ベース手法(例えば、ディープラーニング(DL))は、fODFモデリングにおいてそのような変動を明示的に考慮していない。 本稿では,データ駆動型深部制約付き球面デコンボリューション法を提案する。
  論文  参考訳（メタデータ） (2023-06-05T14:06:40Z)
• PD-DWI: Predicting response to neoadjuvant chemotherapy in invasive breast cancer with Physiologically-Decomposed Diffusion-Weighted MRI machine-learning model [0.0]
  DWIと臨床データからpCRを予測するための生理学的に分解されたDWI機械学習モデルPD-DWIを紹介する。 我々のモデルは、現在のリーダーボードの最良の結果と比較して、曲線下(AUC)の面積を大幅に改善します。
  論文  参考訳（メタデータ） (2022-06-12T08:59:49Z)
• SUPER-IVIM-DC: Intra-voxel incoherent motion based Fetal lung maturity assessment from limited DWI data using supervised learning coupled with data-consistency [0.3015442485490762]
  本稿では,DNN(Deep-neural-networks)アプローチであるSUPER-IVIM-DCを提案する。 数値シミュレーションと健康的ボランティアスタディにより,限られたDWIデータから得られたIVIMモデルパラメータのSUPER-IVIM-DC推定値が,従来のDNN法と比較すると,正規化ルート平均二乗誤差が低かった。
  論文  参考訳（メタデータ） (2022-06-08T11:33:14Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)
• Patch2Self: Denoising Diffusion MRI with Self-Supervised Learning [7.090165638014331]
  本研究では,DWIデータに対する自己教師付き学習手法であるPatch2Selfを導入する。 我々はPatch2Selfの有効性を、実データおよびシミュレーションデータにおける他の教師なし手法と比較して、マイクロ構造モデリング、(ファイババンドルコヒーレンシーによる)追跡、モデル推定における定量的および定性的な改善を通して示す。
  論文  参考訳（メタデータ） (2020-11-02T22:27:25Z)
• DeepRite: Deep Recurrent Inverse TreatmEnt Weighting for Adjusting Time-varying Confounding in Modern Longitudinal Observational Data [68.29870617697532]
  時系列データにおける時間変化の相違に対するDeep Recurrent Inverse TreatmEnt重み付け(DeepRite)を提案する。 DeepRiteは、合成データから基底的真理を復元し、実際のデータから偏りのない処理効果を推定する。
  論文  参考訳（メタデータ） (2020-10-28T15:05:08Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。