論文の概要: Adaptive PromptNet For Auxiliary Glioma Diagnosis without
Contrast-Enhanced MRI
- arxiv url: http://arxiv.org/abs/2211.07966v1
- Date: Tue, 15 Nov 2022 08:02:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 14:07:10.490656
- Title: Adaptive PromptNet For Auxiliary Glioma Diagnosis without
Contrast-Enhanced MRI
- Title(参考訳): 造影MRIを伴わない補助グリオーマ診断のためのAdaptive PromptNet
- Authors: Yeqi Wang, Weijian Huang, Cheng Li, Xiawu Zheng, Yusong Lin, Shanshan
Wang
- Abstract要約: マルチコントラストMRI(Multi-Contrast MRI)をベースとした自動補助グリオーマ診断はクリニックにおいて重要な役割を担っている。
コントラスト強調MRI(コントラスト強調T1強調画像)は、既存の研究の多くで利用された。
しかし、コントラスト強調画像の取得は、患者の生理的制約のため、実現不可能な場合もある。
医院で造影MRIデータを収集するのには、時間と費用がかかる。
- 参考スコア(独自算出の注目度): 11.231836756951655
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-contrast magnetic resonance imaging (MRI)-based automatic auxiliary
glioma diagnosis plays an important role in the clinic. Contrast-enhanced MRI
sequences (e.g., contrast-enhanced T1-weighted imaging) were utilized in most
of the existing relevant studies, in which remarkable diagnosis results have
been reported. Nevertheless, acquiring contrast-enhanced MRI data is sometimes
not feasible due to the patients physiological limitations. Furthermore, it is
more time-consuming and costly to collect contrast-enhanced MRI data in the
clinic. In this paper, we propose an adaptive PromptNet to address these
issues. Specifically, a PromptNet for glioma grading utilizing only
non-enhanced MRI data has been constructed. PromptNet receives constraints from
features of contrast-enhanced MR data during training through a designed prompt
loss. To further boost the performance, an adaptive strategy is designed to
dynamically weight the prompt loss in a sample-based manner. As a result,
PromptNet is capable of dealing with more difficult samples. The effectiveness
of our method is evaluated on a widely-used BraTS2020 dataset, and competitive
glioma grading performance on NE-MRI data is achieved.
- Abstract(参考訳): マルチコントラスト磁気共鳴画像(mri)を用いた自動補助グリオーマ診断はクリニックにおいて重要な役割を担っている。
コントラスト強調MRI(コントラスト強調T1強調画像)は,既存の関連研究の多くに利用されており,顕著な診断結果が報告されている。
それにもかかわらず、造影mriデータを取得することは、患者の生理的限界のために実現できない場合もある。
さらに、診療所内で造影MRIデータを収集するのに時間と費用がかかる。
本稿では,これらの問題に対処する適応型PromptNetを提案する。
具体的には,非強調MRIデータのみを利用したグリオーマグレーディングのためのPromptNetを構築した。
PromptNetは、設計した即時損失を通じてトレーニング中にコントラスト強化MRデータの特徴から制約を受けます。
この性能をさらに高めるため、適応戦略はサンプルベースで迅速に損失を動的に重み付けするように設計されている。
その結果、PromptNetはより難しいサンプルを扱うことができる。
提案手法の有効性をBraTS2020データセットを用いて評価し,NE-MRIデータ上での競合グリオーマグレーディング性能を実現する。
関連論文リスト
- Exploring the Feasibility of AI-Assisted Spine MRI Protocol Optimization Using DICOM Image Metadata [0.471858286267785]
本研究は,臨床実習における動的データを用いたMRIプロトコルの最適化におけるAIの適用性を検証することを目的とする。
5つのAIモデルは、MRI理論に基づく画像品質に影響を与える取得パラメータのトレンドを特定するために訓練された。
モデルは、292以上のインスタンスを含むデータセットに対して、F1のパフォーマンスを77%から93%に向上させた。
論文 参考訳(メタデータ) (2025-02-04T14:35:29Z) - ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。
メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文 参考訳(メタデータ) (2025-01-08T05:15:43Z) - A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳(メタデータ) (2024-10-05T20:03:57Z) - Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。
現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。
テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
論文 参考訳(メタデータ) (2024-09-25T11:14:47Z) - The MRI Scanner as a Diagnostic: Image-less Active Sampling [9.964204750574469]
そこで我々は, 患者レベルにおいて, k空間のアンサンプから疾患を直接推測するために, 強化学習を通じて, 能動的サンプリング戦略を学習するMLベースのフレームワークを提案する。
我々は,Meniscus Tearをアンダーサンプル膝MRIで評価し,MLによる診断に匹敵する診断性能が得られた。
論文 参考訳(メタデータ) (2024-06-24T16:00:20Z) - Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with
Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。
提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文 参考訳(メタデータ) (2023-10-31T16:39:56Z) - Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using
Noise-preserving Conditional GANs [102.47542231659521]
ガドリニウム系造影剤(GBCA)は様々な疾患の診断にMRIにおいて不可欠である。
GBCAは高価であり、副作用のある患者に蓄積される可能性がある。
診断値を維持しながらGBCAの投与量をどの程度削減できるかは不明確である。
論文 参考訳(メタデータ) (2023-06-26T13:19:37Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳(メタデータ) (2022-09-15T03:58:30Z) - 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) - Assessment of Data Consistency through Cascades of Independently
Recurrent Inference Machines for fast and robust accelerated MRI
reconstruction [0.0]
データ一貫性(DC)は多モードデータの一般化と病理診断における堅牢性に不可欠である。
本研究は、非ループ最適化によりDCを評価するために、CIRIM (Independently Recurrent Inference Machines) のカスケードを提案する。
E2EVNは直流を明示的に定式化する必要があるのに対し、直流を暗黙的に強制する場合はCIRIMが最善であることを示す。
論文 参考訳(メタデータ) (2021-11-30T15:34:30Z) - Deep Learning based Multi-modal Computing with Feature Disentanglement
for MRI Image Synthesis [8.363448006582065]
本稿では,MRI合成のための深層学習に基づくマルチモーダル計算モデルを提案する。
提案手法は,各入力モダリティを,共有情報と特定の情報を持つモダリティ固有空間で分割する。
テストフェーズにおける目標モダリティの特定情報の欠如に対処するために、局所適応融合(laf)モジュールを採用してモダリティライクな擬似ターゲットを生成する。
論文 参考訳(メタデータ) (2021-05-06T17:22:22Z)
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。