論文の概要: PIPPI2021: An Approach to Automated Diagnosis and Texture Analysis of the Fetal Liver & Placenta in Fetal Growth Restriction

• arxiv url: http://arxiv.org/abs/2211.02639v1
• Date: Tue, 1 Nov 2022 08:41:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 23:20:00.074570
• Title: PIPPI2021: An Approach to Automated Diagnosis and Texture Analysis of the Fetal Liver & Placenta in Fetal Growth Restriction
• Title（参考訳）: pippi2021:胎児発育制限における胎児肝・胎盤の自動診断とテクスチャ解析へのアプローチ
• Authors: Aya Mutaz Zeidan, Paula Ramirez Gilliland, Ashay Patel, Zhanchong Ou, Dimitra Flouri, Nada Mufti, Kasia Maksym, Rosalind Aughwane, Sebastien Ourselin, Anna David, Andrew Melbourne
• Abstract要約: 胎児成長制限 (FGR) は胎児が成長電位に達するのに失敗したことを特徴とする妊娠状態である。 本研究は、胎児臓器に対するFGRの効果を検証し、概念実証として機能する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fetal growth restriction (FGR) is a prevalent pregnancy condition characterised by failure of the fetus to reach its genetically predetermined growth potential. We explore the application of model fitting techniques, linear regression machine learning models, deep learning regression, and Haralick textured features from multi-contrast MRI for multi-fetal organ analysis of FGR. We employed T2 relaxometry and diffusion-weighted MRI datasets (using a combined T2-diffusion scan) for 12 normally grown and 12 FGR gestational age (GA) matched pregnancies. We applied the Intravoxel Incoherent Motion Model and novel multi-compartment models for MRI fetal analysis, which exhibit potential to provide a multi-organ FGR assessment, overcoming the limitations of empirical indicators - such as abnormal artery Doppler findings - to evaluate placental dysfunction. The placenta and fetal liver presented key differentiators between FGR and normal controls (decreased perfusion, abnormal fetal blood motion and reduced fetal blood oxygenation. This may be associated with the preferential shunting of the fetal blood towards the fetal brain. These features were further explored to determine their role in assessing FGR severity, by employing simple machine learning models to predict FGR diagnosis (100\% accuracy in test data, n=5), GA at delivery, time from MRI scan to delivery, and baby weight. Moreover, we explored the use of deep learning to regress the latter three variables. Image texture analysis of the fetal organs demonstrated prominent textural variations in the placental perfusion fractions maps between the groups (p$<$0.0009), and spatial differences in the incoherent fetal capillary blood motion in the liver (p$<$0.009). This research serves as a proof-of-concept, investigating the effect of FGR on fetal organs.
• Abstract（参考訳）: 胎児成長制限 (FGR) は、胎児が遺伝的に所定の成長電位に達するのに失敗することが特徴の妊娠条件である。 マルチコントラストMRIによるFGRのマルチ胎児臓器解析におけるモデルフィッティング手法,線形回帰機械学習モデル,ディープラーニング回帰,およびハリリックテクスチャ特徴の適用について検討する。 正常成長12例,妊娠年齢(GA)が妊娠時と一致した12例に対して,T2リラクトメトリーと拡散強調MRIデータセットを併用した。 骨盤内不整脈運動モデルとMRI胎児解析のための新しいマルチコンパートメントモデルを適用し,多臓器FGR評価の可能性を示し,異常な動脈ドプラ所見などの経験的指標の限界を克服し,胎盤機能障害の評価を行った。 胎盤と胎児の肝臓はFGRと正常なコントロール (低灌流, 胎児の異常な血液動態, 胎児の酸素代謝の低下) に重要な相違が認められた。 これは、胎児の脳に対する胎児の血液の優先的な絞殺と関連している可能性がある。 これらの特徴は、FGR診断(テストデータの100\%の精度、n=5)、デリバリ時のGA、MRIスキャンからデリバリまでの時間、およびベビーウェイトを予測するための単純な機械学習モデルを用いることで、FGRの重症度を評価する上での役割を判断するためにさらに検討された。 さらに,後者の3変数を回帰する深層学習の活用についても検討した。 胎児臓器の画像テクスチャ解析では, 胎盤灌流分画では, 群間 (p$<0.0009) に有意なテクスチャ変化がみられ (p$<0.009) , 肝内不整脈毛細血管運動では空間的差が認められた (p$<0.009)。 本研究は胎児臓器に対するFGRの効果を実証する概念実証として機能する。

関連論文リスト

• FetalDiffusion: Pose-Controllable 3D Fetal MRI Synthesis with Conditional Diffusion Model [5.076429534803331]
  FetalDiffusionは,3次元合成胎児MRIを合成可能なポーズで生成する新しい手法である。 本研究は, 高精度かつ認識可能な胎児のポーズを持つ高品質な合成胎児MRI画像を作成することによって, 提案モデルの成功を実証するものである。 本手法は, リアルタイム追跡モデルの改善を約束し, 胎児運動の問題をより効果的に解決する。
  論文  参考訳（メタデータ） (2024-03-29T19:58:13Z)
• Anatomically Constrained Tractography of the Fetal Brain [6.112565873653592]
  我々は,dMRI空間内での胎児脳組織の正確な分画に基づく解剖学的拘束性トラクトグラフィーを提唱する。 独立試験データを用いて実験したところ、この方法は胎児の脳組織を正確に分画し、トラクトグラフィーの結果を大幅に改善できることがわかった。
  論文  参考訳（メタデータ） (2024-03-04T19:56:19Z)
• Shape-aware Segmentation of the Placenta in BOLD Fetal MRI Time Series [9.432291446858622]
  胎盤BOLD MRIのための機械学習フレームワークを提案し,それを時系列で各ボリュームのセグメント化に適用する。 健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
  論文  参考訳（メタデータ） (2023-12-08T16:29:10Z)
• Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance from High-Quality Isotropic Volumes [52.242103848335354]
  本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。 我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
  論文  参考訳（メタデータ） (2023-08-13T12:51:15Z)
• Automatic Segmentation of the Placenta in BOLD MRI Time Series [7.495136385800027]
  BOLD MRIの胎盤を自動的に分割するU-Netニューラルネットワークアーキテクチャに基づく機械学習モデルを提案する。 健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
  論文  参考訳（メタデータ） (2022-08-04T21:51:10Z)
• 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)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• Fetal MRI by robust deep generative prior reconstruction and diffeomorphic registration: application to gestational age prediction [5.491836552931295]
  非等質および非等方性サンプリング因子を補正するために,体積再構成を提案する。 コントリビューションを検証し、アートメソッドの状態と比較するための実験が実施されている。 その結果, 画像の解像度が向上し, 妊娠年齢の精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-10-29T22:09:52Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。