論文の概要: A Novel Center-based Deep Contrastive Metric Learning Method for the
Detection of Polymicrogyria in Pediatric Brain MRI
- arxiv url: http://arxiv.org/abs/2211.12565v1
- Date: Tue, 22 Nov 2022 20:33:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 13:55:03.156420
- Title: A Novel Center-based Deep Contrastive Metric Learning Method for the
Detection of Polymicrogyria in Pediatric Brain MRI
- Title(参考訳): 小児脳mriにおける多指多指症検出のための新しいセンターベース深部コントラストメトリック学習法
- Authors: Lingfeng Zhang, Nishard Abdeen, Jochen Lang
- Abstract要約: ポリミクロギリア(英: Polymicrogyria、PMG)は、主に小児に見られる皮質組織の障害である。
本研究は,カナダ・オタワ州東部オンタリオ児童病院(CHEO)の小児MRIデータセット(PPMR)を作成した。
本稿では,新しい中心型深部コントラスト学習損失関数(cDCM)に基づく異常検出手法を提案する。
- 参考スコア(独自算出の注目度): 2.1485350418225244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Polymicrogyria (PMG) is a disorder of cortical organization mainly seen in
children, which can be associated with seizures, developmental delay and motor
weakness. PMG is typically diagnosed on magnetic resonance imaging (MRI) but
some cases can be challenging to detect even for experienced radiologists. In
this study, we create an open pediatric MRI dataset (PPMR) with PMG and
controls from the Children's Hospital of Eastern Ontario (CHEO), Ottawa,
Canada. The differences between PMG MRIs and control MRIs are subtle and the
true distribution of the features of the disease is unknown. This makes
automatic detection of cases of potential PMG in MRI difficult. We propose an
anomaly detection method based on a novel center-based deep contrastive metric
learning loss function (cDCM) which enables the automatic detection of cases of
potential PMG. Additionally, based on our proposed loss function, we customize
a deep learning model structure that integrates dilated convolution,
squeeze-and-excitation blocks and feature fusion for our PPMR dataset. Despite
working with a small and imbalanced dataset our method achieves 92.01% recall
at 55.04% precision. This will facilitate a computer aided tool for
radiologists to select potential PMG MRIs. To the best of our knowledge, this
research is the first to apply machine learning techniques to identify PMG from
MRI only.
- Abstract(参考訳): ポリミクログリア (polymicrogyria, pmg) は、主に小児にみられる皮質組織の障害であり、発作、発達遅延、運動の弱さと関連がある。
PMGは一般的にMRI(MRI)で診断されるが、経験豊富な放射線医でも検出が難しい場合もある。
本研究では,カナダ,オタワ州,オンタリオ州東部小児病院(cheo)のpmgとコントロールを備えた小児mriデータセット(ppmr)を作成した。
PMG MRIとコントロールMRIの違いは微妙であり、疾患の特徴の真の分布は分かっていない。
これにより、MRIにおける潜在的PMGの自動検出が困難になる。
本稿では,新たな中心型深部コントラスト学習損失関数(cDCM)に基づく異常検出手法を提案する。
さらに,提案した損失関数に基づいて,拡張畳み込み,圧縮励磁ブロック,PPMRデータセットの機能融合を統合したディープラーニングモデル構造をカスタマイズする。
小型で不均衡なデータセットを扱うにも関わらず、この手法は92.01%のリコールを55.04%精度で達成する。
これは放射線科医が潜在的なpmg mriを選択するためのコンピュータ支援ツールである。
我々の知る限りでは、この研究はMRIのみからPMGを識別するために機械学習技術を適用した最初のものである。
関連論文リスト
- Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳(メタデータ) (2024-01-17T07:54:49Z) - Brain Tumor Segmentation Based on Deep Learning, Attention Mechanisms, and Energy-Based Uncertainty Prediction [0.0]
脳腫瘍は、死亡率80%を超える最も致命的ながんの1つである。
医学的分析では、脳腫瘍の手動アノテーションとセグメンテーションは複雑な作業である。
本稿では,データ前処理中に実装された関心領域検出アルゴリズムを提案する。
ソフトアテンションを持つ完全畳み込みオートエンコーダは、異なる脳MRIをセグメント化する。
論文 参考訳(メタデータ) (2023-12-31T20:42:52Z) - 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) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳(メタデータ) (2023-10-16T13:58:53Z) - Prostate Lesion Estimation using Prostate Masks from Biparametric MRI [0.0]
マルチパラメトリック前立腺MRIの代替としてバイパラメトリックMRIが登場した。
前立腺癌(csPCA)の診断は困難である。
ディープラーニングアルゴリズムはコホート研究において、csPCAを検出する代替ソリューションとして登場した。
論文 参考訳(メタデータ) (2023-01-11T13:20:24Z) - Perfusion imaging in deep prostate cancer detection from mp-MRI: can we
take advantage of it? [0.0]
深部神経アーキテクチャにおける灌流画像からの情報を統合するための戦略を評価する。
ダイナミックコントラスト造影MR検査からの灌流マップでは,PCa病変のセグメンテーションとグレーディング性能に正の影響が認められた。
論文 参考訳(メタデータ) (2022-07-06T07:55:46Z) - 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) - Brain Cancer Survival Prediction on Treatment-na ive MRI using Deep
Anchor Attention Learning with Vision Transformer [4.630654643366308]
画像ベース脳腫瘍予測モデルによるMRIによるX線学的表現型の定量化
腫瘍内表現型不均一性の証拠にもかかわらず、MRIスキャンにおける異なるスライス間の空間的多様性は、そのような方法では比較的研究されていない。
本稿では,脳腫瘍患者の生存リスクを予測するために,ビジョントランスフォーマを用いたディープアンカーアテンションアグリゲーション戦略を提案する。
論文 参考訳(メタデータ) (2022-02-03T21:33:08Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳(メタデータ) (2021-05-18T11:37:57Z) - Applications of Deep Learning Techniques for Automated Multiple
Sclerosis Detection Using Magnetic Resonance Imaging: A Review [11.505730390079645]
多発性硬化症(Multiple Sclerosis、MS)は、神経系の機能に有害な影響を与える人の視覚、感覚、運動の障害を引き起こす脳疾患である。
近年,MRIを用いたMSの正確な診断のために,人工知能(AI)に基づくコンピュータ支援診断システム(CADS)が提案されている。
本稿では,MRI のニューロイメージング・モダリティを用いた DL 技術を用いた自動MS診断法について概説する。
論文 参考訳(メタデータ) (2021-05-11T09:08:48Z) - ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep
learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。
ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文 参考訳(メタデータ) (2021-02-25T14:52:23Z)
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。