論文の概要: A latent space for unsupervised MR image quality control via artifact assessment

• arxiv url: http://arxiv.org/abs/2302.00528v1
• Date: Wed, 1 Feb 2023 15:55:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-02 17:16:27.586801
• Title: A latent space for unsupervised MR image quality control via artifact assessment
• Title（参考訳）: アーティファクト評価による教師なしmr画像品質制御のための潜在空間
• Authors: Lianrui Zuo, Yuan Xue, Blake E. Dewey, Yihao Liu, Jerry L. Prince, Aaron Carass
• Abstract要約: 本稿では,MR画像中のアーティファクトの程度を監督せずに評価するIQC法を提案する。 特に,コントラスト学習に基づくアーティファクト表現を学習するアーティファクト符号化ネットワークを設計する。 大規模マルチコホートMRデータセットを用いた実験により, 提案手法は高レベルのアーティファクト画像を高精度に検出することを示した。
• 参考スコア（独自算出の注目度）: 13.94521457616632
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image quality control (IQC) can be used in automated magnetic resonance (MR) image analysis to exclude erroneous results caused by poorly acquired or artifact-laden images. Existing IQC methods for MR imaging generally require human effort to craft meaningful features or label large datasets for supervised training. The involvement of human labor can be burdensome and biased, as labeling MR images based on their quality is a subjective task. In this paper, we propose an automatic IQC method that evaluates the extent of artifacts in MR images without supervision. In particular, we design an artifact encoding network that learns representations of artifacts based on contrastive learning. We then use a normalizing flow to estimate the density of learned representations for unsupervised classification. Our experiments on large-scale multi-cohort MR datasets show that the proposed method accurately detects images with high levels of artifacts, which can inform downstream analysis tasks about potentially flawed data.
• Abstract（参考訳）: 画像品質制御(IQC)は、自動磁気共鳴(MR)画像解析において、未取得またはアーティファクトラデン画像による誤った結果を排除するために用いられる。 既存のmrイメージングのためのiqc手法では、有意義な特徴の作成や教師付きトレーニングのための大規模データセットのラベル付けに人間の努力が必要となる。 mr画像の品質に基づくラベル付けは主観的課題であるので、人的労働の関与は負担と偏りを伴います。 本稿では,mr画像中のアーティファクトの量を監視せずに評価する自動iqc手法を提案する。 特に,コントラスト学習に基づくアーティファクト表現を学習するアーティファクト符号化ネットワークを設計する。 次に正規化フローを用いて教師なし分類のための学習表現の密度を推定する。 大規模マルチコホートmrデータセットを用いた実験により,提案手法は,高レベルのアーティファクトを有する画像を正確に検出し,欠陥のあるデータについて下流解析タスクに通知できることを示す。

関連論文リスト

• Reference-Free Image Quality Metric for Degradation and Reconstruction Artifacts [2.5282283486446753]
  品質要因予測器(QF)と呼ばれる基準のない品質評価ネットワークを開発する。 我々のQF予測器は7層からなる軽量で完全な畳み込みネットワークである。 JPEG圧縮画像パッチを入力としてランダムQFを受信し、対応するQFを正確に予測するように訓練する。
  論文  参考訳（メタデータ） (2024-05-01T22:28:18Z)
• Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
  上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。 提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-11T06:50:27Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Explainable Image Quality Assessment for Medical Imaging [0.0]
  質の悪い医療画像は誤診につながる可能性がある。 本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。 本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。 我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2023-03-25T14:18:39Z)
• Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging [41.587861167935785]
  運動アーティファクトはMRI(MRI)の品質を損なう モーションアーティファクトリダクション(MAR)のソリューションとしてディープラーニングアプローチが登場した これらの手法の欠点の1つは、トレーニング目的のために2組のモーションアーティファクト崩壊(MA崩壊)とモーションアーティファクトフリー(MA無し)MR画像を取得することにある。 この問題を軽減するために,UNAEN(UN Abnormality extract Network)を提案する。
  論文  参考訳（メタデータ） (2023-01-04T18:02:59Z)
• Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。 我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。 7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
  論文  参考訳（メタデータ） (2022-03-15T11:52:29Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Learning MRI Artifact Removal With Unpaired Data [74.48301038665929]
  振り返りアーティファクト補正(RAC)は、画像の質を向上し、画像のユーザビリティを向上させる。 最近のRACの機械学習駆動技術は、主に教師付き学習に基づいている。 ここでは、不要な画像アーティファクトを、未ペアデータで学習したRACニューラルネットワークを介して、画像から切り離し、取り除くことができることを示す。
  論文  参考訳（メタデータ） (2021-10-09T16:09:27Z)
• Learning Conditional Knowledge Distillation for Degraded-Reference Image Quality Assessment [157.1292674649519]
  劣化参照IQA(DR-IQA)という実用的な解を提案する。 DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。 私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
  論文  参考訳（メタデータ） (2021-08-18T02:35:08Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• MRQy: An Open-Source Tool for Quality Control of MR Imaging Data [1.5172095934925576]
  このツールは、(a)画像解像度、視野、画像コントラスト、または(b)ノイズ、運動、不均一性、リング、エイリアスなどの画像アーティファクトにおけるサイトまたはスキャナー固有のバリエーションの存在を定量化することを目的としている。 MRQyは、MRIコホートにサイトベースや機器ベースの違いを問うためのオープンソースの品質管理ツールである。
  論文  参考訳（メタデータ） (2020-04-10T01:30:51Z)

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。