論文の概要: Temporally Adjustable Longitudinal Fluid-Attenuated Inversion Recovery
MRI Estimation / Synthesis for Multiple Sclerosis
- arxiv url: http://arxiv.org/abs/2209.04275v1
- Date: Fri, 9 Sep 2022 12:42:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-12 13:14:44.231100
- Title: Temporally Adjustable Longitudinal Fluid-Attenuated Inversion Recovery
MRI Estimation / Synthesis for Multiple Sclerosis
- Title（参考訳）: 経時的調節可能な経時的流体減衰逆回復mriによる多発性硬化症の推定/合成
- Authors: Jueqi Wang, Derek Berger, Erin Mazerolle, Othman Soufan, Jacob Levman
- Abstract要約: 多発性硬化症(Multiple Sclerosis、MS)は、慢性進行性神経疾患である。
脳MRI(FLAIR brain magnetic resonance imaging)は、他のMRI法と比較して、MS病変のより優れた可視化と特徴を提供する。
MSの縦断脳FLAIR MRIは、経時的に患者を反復的に画像化することで、臨床医が疾患の進行をモニタリングするための有用な情報を提供する。
様々な時間ラグを伴う将来の脳MRI検査の予測は、健康な老化やアルツハイマー病の構造的変性など、限られた用途でのみ試みられている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multiple Sclerosis (MS) is a chronic progressive neurological disease
characterized by the development of lesions in the white matter of the brain.
T2-fluid-attenuated inversion recovery (FLAIR) brain magnetic resonance imaging
(MRI) provides superior visualization and characterization of MS lesions,
relative to other MRI modalities. Longitudinal brain FLAIR MRI in MS, involving
repetitively imaging a patient over time, provides helpful information for
clinicians towards monitoring disease progression. Predicting future whole
brain MRI examinations with variable time lag has only been attempted in
limited applications, such as healthy aging and structural degeneration in
Alzheimer's Disease. In this article, we present novel modifications to deep
learning architectures for MS FLAIR image synthesis, in order to support
prediction of longitudinal images in a flexible continuous way. This is
achieved with learned transposed convolutions, which support modelling time as
a spatially distributed array with variable temporal properties at different
spatial locations. Thus, this approach can theoretically model
spatially-specific time-dependent brain development, supporting the modelling
of more rapid growth at appropriate physical locations, such as the site of an
MS brain lesion. This approach also supports the clinician user to define how
far into the future a predicted examination should target. Accurate prediction
of future rounds of imaging can inform clinicians of potentially poor patient
outcomes, which may be able to contribute to earlier treatment and better
prognoses. Four distinct deep learning architectures have been developed. The
ISBI2015 longitudinal MS dataset was used to validate and compare our proposed
approaches. Results demonstrate that a modified ACGAN achieves the best
performance and reduces variability in model accuracy.
- Abstract（参考訳）: 多発性硬化症(multiple sclerosis、ms)は、慢性進行性神経疾患の一つで、脳の白質病変の発生を特徴とする。
T2-fluid-attenuated inversion recovery (FLAIR) 脳磁気共鳴画像(MRI)は、他のMRI法と比較して、MS病変のより優れた可視化とキャラクタリゼーションを提供する。
経時的脳フレアmri(ms)は、繰り返し患者を画像化し、臨床医が疾患の進行を監視するための有用な情報を提供する。
様々な時間ラグを伴う将来の脳MRI検査の予測は、健康な老化やアルツハイマー病の構造的変性など、限られた用途でのみ試みられている。
本稿では,ms flair画像合成のための深層学習アーキテクチャの新たな修正を行い,フレキシブルな連続的な縦方向画像の予測を支援する。
これは学習された畳み込みによって実現され、異なる空間位置における可変時間特性を持つ空間分布配列としてのモデリング時間をサポートする。
したがって、このアプローチは理論的に空間特異的な時間依存脳発達をモデル化することができ、MS脳病変の部位のような適切な物理的位置においてより急速な成長のモデリングをサポートする。
このアプローチはまた、予測試験が対象とする未来までの距離を定義するために、臨床ユーザーを支援します。
将来の画像検査の正確な予測は、早期治療や予後の改善に寄与する可能性のある患者の予後不良を臨床医に知らせる可能性がある。
4つの異なるディープラーニングアーキテクチャが開発されている。
提案手法の検証と比較にISBI2015長手MSデータセットを用いた。
その結果、改良されたACGANが最高の性能を達成し、モデルの精度の変動を低減できることが示されている。
関連論文リスト
- Individualized multi-horizon MRI trajectory prediction for Alzheimer's Disease [0.0]
我々は、新しいアーキテクチャをトレーニングして潜伏空間の分布を構築し、そこからサンプルを抽出し、将来的な解剖学的変化の予測を生成する。
いくつかの代替手法と比較することにより,より高解像度でより個別化された画像を生成することを示す。
論文 参考訳（メタデータ） (2024-08-04T13:09:06Z) - TADM: Temporally-Aware Diffusion Model for Neurodegenerative Progression on Brain MRI [4.414541804340033]
時間的認識拡散モデル(TADM)は,スキャン間の強度差による構造変化の分布を学習する。
トレーニング中、モデルのトレーニングプロセスを洗練するために、トレーニング済みのBrain-Age Estimator(BAE)を活用することを提案する。
我々のアプローチは、患者の結果を予測したり、患者に対する治療を改善するといった応用に役立ちます。
論文 参考訳（メタデータ） (2024-06-18T09:00:49Z) - Spatiotemporal Graph Neural Network Modelling Perfusion MRI [12.712005118761516]
Per vascular MRI (pMRI) は腫瘍について貴重な洞察を与え、腫瘍の遺伝子型を予測することを約束する。
しかし、4D pMRIに合わせた効果的なモデルはまだ不足している。
本研究は,GNNモデルを用いた4次元pMRIのモデル化の試みである。
論文 参考訳（メタデータ） (2024-06-10T16:24:46Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - Cas-DiffCom: Cascaded diffusion model for infant longitudinal
super-resolution 3D medical image completion [47.83003164569194]
超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。
Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
論文 参考訳（メタデータ） (2024-02-21T12:54:40Z) - Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳（メタデータ） (2023-11-22T05:44:51Z) - Regional Deep Atrophy: a Self-Supervised Learning Method to
Automatically Identify Regions Associated With Alzheimer's Disease
Progression From Longitudinal MRI [1.465540676497032]
本稿では,DeepAtrophyからの時間的推論アプローチと変形可能な登録ニューラルネットワークとアテンション機構を組み合わせた地域深部萎縮症を提案する。
DeepAtrophyは、時間的順序や相対的なスキャン間隔などの経時的MRIスキャンから時間的情報を推測する際の精度が高い。
RDAはDeepAtrophyと類似した予測精度を持っているが、その追加の解釈可能性により、臨床環境での使用がより受け入れられる。
論文 参考訳（メタデータ） (2023-04-10T15:50:19Z) - 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) - Lesion-Specific Prediction with Discriminator-Based Supervised Guided
Attention Module Enabled GANs in Multiple Sclerosis [0.0]
多発性硬化症 (Multiple Sclerosis, MS) は、脳の白質の病変が発達するのを特徴とする慢性神経疾患である。
そこで本研究では,MSにおける将来的な病変特異的FLAIR MRIを一定時間間隔で予測するために,GAN(Generative Adversarial Network)の新たな修正を提案する。
論文 参考訳（メタデータ） (2022-08-30T20:37:38Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳（メタデータ） (2022-04-01T22:48:08Z) - Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。
この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文 参考訳（メタデータ） (2020-01-14T22:55:03Z)
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。