論文の概要: Brain MRI-to-PET Synthesis using 3D Convolutional Attention Networks
- arxiv url: http://arxiv.org/abs/2211.12082v1
- Date: Tue, 22 Nov 2022 08:25:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 17:27:56.884476
- Title: Brain MRI-to-PET Synthesis using 3D Convolutional Attention Networks
- Title（参考訳）: 3次元畳み込みアテンションネットワークを用いた脳MRI-PET合成
- Authors: Ramy Hussein, David Shin, Moss Zhao, Jia Guo, Guido Davidzon, Michael
Moseley, Greg Zaharchuk
- Abstract要約: 放射線標識水(15O-water)を用いたPET(Positron emission tomography)はヒトの脳血流測定における金標準であると考えられている。
PETイメージングは、その禁止コストと、通常現場でのサイクロトロン生産を必要とする短命な放射性医薬品トレーサの使用により、広く利用できない。
本研究では,マルチシーケンスMRIスキャンから金標準の15O-PET CBFを予測するためのアテンション機構を備えた畳み込みエンコーダデコーダネットワークを提案する。
- 参考スコア（独自算出の注目度）: 10.095428964324874
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate quantification of cerebral blood flow (CBF) is essential for the
diagnosis and assessment of a wide range of neurological diseases. Positron
emission tomography (PET) with radiolabeled water (15O-water) is considered the
gold-standard for the measurement of CBF in humans. PET imaging, however, is
not widely available because of its prohibitive costs and use of short-lived
radiopharmaceutical tracers that typically require onsite cyclotron production.
Magnetic resonance imaging (MRI), in contrast, is more readily accessible and
does not involve ionizing radiation. This study presents a convolutional
encoder-decoder network with attention mechanisms to predict gold-standard
15O-water PET CBF from multi-sequence MRI scans, thereby eliminating the need
for radioactive tracers. Inputs to the prediction model include several
commonly used MRI sequences (T1-weighted, T2-FLAIR, and arterial spin
labeling). The model was trained and validated using 5-fold cross-validation in
a group of 126 subjects consisting of healthy controls and cerebrovascular
disease patients, all of whom underwent simultaneous $15O-water PET/MRI. The
results show that such a model can successfully synthesize high-quality PET CBF
measurements (with an average SSIM of 0.924 and PSNR of 38.8 dB) and is more
accurate compared to concurrent and previous PET synthesis methods. We also
demonstrate the clinical significance of the proposed algorithm by evaluating
the agreement for identifying the vascular territories with abnormally low CBF.
Such methods may enable more widespread and accurate CBF evaluation in larger
cohorts who cannot undergo PET imaging due to radiation concerns, lack of
access, or logistic challenges.
- Abstract（参考訳）: 脳血流の正確な定量化は、幅広い神経疾患の診断と評価に不可欠である。
放射線標識水(15O-water)を用いたPETはヒトのCBF測定における金標準であると考えられている。
しかしPET画像は、その禁止コストと、通常現場でのサイクロトロン生産を必要とする短命な放射性医薬品トレーサの使用により、広く利用できない。
対照的に磁気共鳴イメージング(mri)はより容易にアクセスでき、電離放射線は含まない。
本研究では,マルチシーケンスMRIスキャンから金標準の15O-PET CBFを予測するための注意機構を備えた畳み込みエンコーダデコーダネットワークを提案する。
予測モデルへの入力には、一般的なMRIシーケンス(T1-weighted、T2-FLAIR、動脈スピンラベリング)が含まれる。
健常者および脳血管疾患患者126名を対象に,5倍のクロスバリデーションを施行し,それぞれ15O-water PET/MRIを同時施行した。
その結果, PET CBF 測定の精度(平均 SSIM 0.924 と PSNR 38.8 dB )が向上し, PET 合成法と従来の PET 合成法より精度が高いことがわかった。
また,CBF値が異常に低い血管領域を同定するための合意性を評価することで,提案アルゴリズムの臨床的意義を示す。
このような方法は、放射線の懸念、アクセスの欠如、ロジスティックな課題のためにPETイメージングを行なえない大きなコホートにおいて、より広く正確なCBF評価を可能にする。
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) - Functional Imaging Constrained Diffusion for Brain PET Synthesis from Structural MRI [5.190302448685122]
新しい制約拡散モデル (CDM) を用いて, 入力条件として2組構造MRIを用いた3次元脳PET画像合成のためのフレームワークを提案する。
FICDはPETにノイズを導入し、CDMで徐々に除去する。
CDMは、各denoized PETと基底真理との間のボクセルワイドアライメントを確保するために、機能的イメージング制約を導入して、denoized PETを予測することを学ぶ。
論文 参考訳（メタデータ） (2024-05-03T22:33:46Z) - Three-Dimensional Amyloid-Beta PET Synthesis from Structural MRI with Conditional Generative Adversarial Networks [45.426889188365685]
アルツハイマー病の徴候には、アミロイド-ベタ鉱床と脳萎縮がある。
PETは高価で侵襲的であり、患者を電離放射線に曝す。
MRIはより安価で、非侵襲的で、電離放射線を含まないが、脳萎縮の測定に限られる。
論文 参考訳（メタデータ） (2024-05-03T14:10:29Z) - Unsupervised Generation of Pseudo Normal PET from MRI with Diffusion
Model for Epileptic Focus Localization [31.47772770612585]
FDGポジトロン・エミッション・トモグラフィー(PET)はてんかんの焦点を特定する上で重要なツールである。
FDG PETによる評価と診断の有効性は、健康管理群の選択に依存する。
本研究では, てんかん焦点定位のための偽正常FDG PETを生成するために, 無障害MRIからPET翻訳への教師なし学習法について検討した。
論文 参考訳（メタデータ） (2024-02-02T07:26:56Z) - Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine
PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。
計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。
2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文 参考訳（メタデータ） (2023-08-20T04:10:36Z) - 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) - Synthesizing PET images from High-field and Ultra-high-field MR images Using Joint Diffusion Attention Model [18.106861006893524]
PETスキャンはコストが高く、放射性曝露を伴うため、PETが欠如する。
超高磁場イメージングは臨床と学術の両方で有用であることが証明されている。
高速MRIと超高磁場MRIの合成PET法を提案する。
論文 参考訳（メタデータ） (2023-05-06T02:41:03Z) - Masked Co-attentional Transformer reconstructs 100x ultra-fast/low-dose
whole-body PET from longitudinal images and anatomically guided MRI [4.023590299787012]
ポジトロン・エミッション・トモグラフィー(PET)による全身ステージングは時間を要するため、かなりの放射線曝露に関係している。
我々は, 連続PET/MRの相互作用と関節推論を提供する, 縦型マルチモーダルコアテンショナルCNN変換器であるMasked-LMCTransを開発した。
当モデルでは, 小児悪性リンパ腫患者に対して, PET/MRI検査を施行し, T"ubingen University のPET/MRI画像を用いて外的評価を行った。
論文 参考訳（メタデータ） (2022-05-09T05:12:29Z) - Multi-task Deep Learning for Cerebrovascular Disease Classification and
MRI-to-PET Translation [9.315779561461902]
本稿では,脳MRIからPETへの翻訳と疾患診断のためのマルチタスク学習フレームワークを提案する。
提案フレームワークは,(1)マルチコントラストMRI画像から高品質PET CBFマップを合成する注意型3Dエンコーダ・デコーダ畳み込みニューラルネットワーク(CNN)と,(2)入力されたMRI画像に対応する脳疾患を識別するマルチスケール3D CNNとからなる。
論文 参考訳（メタデータ） (2022-02-12T21:02:45Z) - 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) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z)
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。