論文の概要: Robust Image Registration with Absent Correspondences in Pre-operative
and Follow-up Brain MRI Scans of Diffuse Glioma Patients
- arxiv url: http://arxiv.org/abs/2210.11045v1
- Date: Thu, 20 Oct 2022 06:37:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 15:43:17.892314
- Title: Robust Image Registration with Absent Correspondences in Pre-operative
and Follow-up Brain MRI Scans of Diffuse Glioma Patients
- Title（参考訳）: びまん性グリオーマ患者の術前・術後脳MRIにおける無症状のロバスト画像登録
- Authors: Tony C. W. Mok and Albert C. S. Chung
- Abstract要約: 術前および術後の脳MRIスキャンのための3段階登録パイプラインを提案する。
提案手法は,BraTS-Regチャレンジの検証セットにおいて,1.64mm,88%の絶対誤差を実現する。
- 参考スコア（独自算出の注目度）: 11.4219428942199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Registration of pre-operative and follow-up brain MRI scans is challenging
due to the large variation of tissue appearance and missing correspondences in
tumour recurrence regions caused by tumour mass effect. Although recent deep
learning-based deformable registration methods have achieved remarkable success
in various medical applications, most of them are not capable of registering
images with pathologies. In this paper, we propose a 3-step registration
pipeline for pre-operative and follow-up brain MRI scans that consists of 1) a
multi-level affine registration, 2) a conditional deep Laplacian pyramid image
registration network (cLapIRN) with forward-backward consistency constraint,
and 3) a non-linear instance optimization method. We apply the method to the
Brain Tumor Sequence Registration (BraTS-Reg) Challenge. Our method achieves
accurate and robust registration of brain MRI scans with pathologies, which
achieves a median absolute error of 1.64 mm and 88% of successful registration
rate in the validation set of BraTS-Reg challenge.
- Abstract（参考訳）: 腫瘍集団効果による腫瘍再発部位の組織像の多様さと対応性の欠如が原因で,術前および術後の脳MRI検査の登録が困難である。
近年の深層学習に基づく変形可能な登録手法は,様々な医療応用において大きな成功を収めているが,そのほとんどが病理画像の登録ができない。
本稿では,術前および術後の脳MRIスキャンのための3段階登録パイプラインを提案する。
1) 多水準アフィン登録
2)前方方向一貫性制約を持つ条件付きディープラプラシアピラミッド画像登録ネットワーク(clapirn)と,
3) 非線形インスタンス最適化手法。
本手法を脳腫瘍シーケンス登録(BraTS-Reg)チャレンジに適用する。
BraTS-Reg 課題の検証セットにおいて,脳MRI スキャンの正確かつ堅牢な病理検査を行い,平均絶対誤差 1.64 mm と 88% を達成している。
関連論文リスト
- GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。
我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。
提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
論文 参考訳（メタデータ） (2023-06-26T13:32:09Z) - 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) - Self-supervised iRegNet for the Registration of Longitudinal Brain MRI
of Diffuse Glioma Patients [0.0]
本稿では,脳腫瘍シーケンス登録チャレンジ2022(BraTS-Reg2022)における縦型脳MRIタスクの登録への貢献について述べる。
我々はiRegNetを拡張した教師なし学習手法を開発した。
実験結果から, 自己監督モデルにより, 初期平均中央値絶対誤差 (MAE) を8.20 (7.62) mm から最低値 3.51 (3.50) mm に改善できることがわかった。
論文 参考訳（メタデータ） (2022-11-20T17:02:52Z) - Brain Tumor Sequence Registration with Non-iterative Coarse-to-fine
Networks and Dual Deep Supervision [11.795108660250843]
脳グリオーマ患者の術前MRI像と術後MRI像の脳腫瘍配列の登録に焦点をあてた。
脳腫瘍の登録は、腫瘍の変化を定量化する脳画像解析の基本的な要件である。
我々は最近提案した非Iterative Coarse-to-finE registration Networks (NICE-Net) を採用した。
論文 参考訳（メタデータ） (2022-11-15T03:58:47Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Unsupervised Deformable Image Registration with Absent Correspondences
in Pre-operative and Post-Recurrence Brain Tumor MRI Scans [11.4219428942199]
本研究では,非対応な領域と双方向の変形場を共同で推定する深層学習に基づく変形可能な登録手法を提案する。
BraTS-Reg チャレンジによる3次元臨床データの結果から,画像アライメントの改善が実証された。
論文 参考訳（メタデータ） (2022-06-08T13:53:03Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳（メタデータ） (2022-03-28T14:03:45Z) - The Brain Tumor Sequence Registration (BraTS-Reg) Challenge: Establishing Correspondence Between Pre-Operative and Follow-up MRI Scans of Diffuse Glioma Patients [31.567542945171834]
脳腫瘍シーケンス登録(BraTS-Reg)の課題について述べる。
BraTS-Regは、変形可能な登録アルゴリズムのための最初の公開ベンチマーク環境である。
BraTS-Regの目的は、引き続き研究の活発な資源として機能することである。
論文 参考訳（メタデータ） (2021-12-13T19:25:16Z) - A Deep Discontinuity-Preserving Image Registration Network [73.03885837923599]
ほとんどの深層学習に基づく登録法は、所望の変形場が全世界的に滑らかで連続的であると仮定する。
本稿では、より優れた登録性能とリアルな変形場を得るために、弱い教師付き深部不連続保存画像登録ネットワーク(DDIR)を提案する。
本研究では, 心臓磁気共鳴(MR)画像の登録実験において, 登録精度を大幅に向上し, より現実的な変形を予測できることを実証した。
論文 参考訳（メタデータ） (2021-07-09T13:35:59Z) - Modality Completion via Gaussian Process Prior Variational Autoencoders
for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。
MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。
4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文 参考訳（メタデータ） (2021-07-07T19:06:34Z) - Symmetric-Constrained Irregular Structure Inpainting for Brain MRI
Registration with Tumor Pathology [33.90454917741234]
腫瘍領域に合成組織強度を発生させるコンテキスト認識型画像インパインティングフレームワークを提案する。
パッチワイズ機能間のセマンティックな関連性をモデル化して詳細を洗練するために,機能レベルのパッチマッチ改善モジュールを適用した。
提案手法は,信号対雑音比,構造類似度指数,ピーク信号対雑音比,L1誤差を低減した結果を得た。
論文 参考訳（メタデータ） (2021-01-17T20:38:50Z)
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。