論文の概要: IMPORTANT-Net: Integrated MRI Multi-Parameter Reinforcement Fusion
Generator with Attention Network for Synthesizing Absent Data
- arxiv url: http://arxiv.org/abs/2302.01788v1
- Date: Fri, 3 Feb 2023 14:56:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 16:02:03.491342
- Title: IMPORTANT-Net: Integrated MRI Multi-Parameter Reinforcement Fusion
Generator with Attention Network for Synthesizing Absent Data
- Title（参考訳）: IMPORTANT-Net:アテンションネットワークを用いたMRIマルチパラメータ強化核融合装置
- Authors: Tianyu Zhang, Tao Tan, Luyi Han, Xin Wang, Yuan Gao, Jonas Teuwen,
Regina Beets-Tan, Ritse Mann
- Abstract要約: 我々は、新しい$textbfI$ntegrated MRI $textbfM$ulti-$textbfP$arameter reinf$textbfO$rcement fusion generato$textbfR$ wi$textbfT$hを開発した。
IMPORTANT-NetはMRIパラメーターの欠落を発生させ、同等の最先端ネットワークの性能を発揮することを示す。
- 参考スコア（独自算出の注目度）: 16.725225424047256
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Magnetic resonance imaging (MRI) is highly sensitive for lesion detection in
the breasts. Sequences obtained with different settings can capture the
specific characteristics of lesions. Such multi-parameter MRI information has
been shown to improve radiologist performance in lesion classification, as well
as improving the performance of artificial intelligence models in various
tasks. However, obtaining multi-parameter MRI makes the examination costly in
both financial and time perspectives, and there may be safety concerns for
special populations, thus making acquisition of the full spectrum of MRI
sequences less durable. In this study, different than naive input fusion or
feature concatenation from existing MRI parameters, a novel
$\textbf{I}$ntegrated MRI $\textbf{M}$ulti-$\textbf{P}$arameter
reinf$\textbf{O}$rcement fusion generato$\textbf{R}$ wi$\textbf{T}$h
$\textbf{A}$tte$\textbf{NT}$ion Network (IMPORTANT-Net) is developed to
generate missing parameters. First, the parameter reconstruction module is used
to encode and restore the existing MRI parameters to obtain the corresponding
latent representation information at any scale level. Then the multi-parameter
fusion with attention module enables the interaction of the encoded information
from different parameters through a set of algorithmic strategies, and applies
different weights to the information through the attention mechanism after
information fusion to obtain refined representation information. Finally, a
reinforcement fusion scheme embedded in a $V^{-}$-shape generation module is
used to combine the hierarchical representations to generate the missing MRI
parameter. Results showed that our IMPORTANT-Net is capable of generating
missing MRI parameters and outperforms comparable state-of-the-art networks.
Our code is available at
https://github.com/Netherlands-Cancer-Institute/MRI_IMPORTANT_NET.
- Abstract（参考訳）: MRIは乳房の病変検出に非常に敏感である。
異なる設定で得られた配列は、病変の特定の特徴を捉えることができる。
このようなマルチパラメータMRI情報は、病変分類における放射線学のパフォーマンスを向上させるとともに、様々なタスクにおける人工知能モデルの性能を向上させることが示されている。
しかし、多パラメータMRIの取得は、財務面と時間面の両方でコストがかかるため、特別な集団にとって安全上の懸念がある可能性があるため、MRIの完全スペクトルの取得がより困難になる。
本研究では,既存のMRIパラメータとネイティブな入力融合や特徴結合とは異なり,新しい$\textbf{I}$ntegrated MRI $\textbf{M}$ulti-$\textbf{P}$arameter reinf$\textbf{O}$rcement fusion generato$\textbf{R}$ wi$\textbf{T}$h $\textbf{A}$tte$\textbf{NT}$ion Network (IMANTANT-Net)を開発した。
まず、パラメータ再構成モジュールを使用して既存のMRIパラメータをエンコードして復元し、対応する潜在表現情報を任意のスケールレベルで取得する。
そして、アテンションモジュールとのマルチパラメータ融合により、アルゴリズム戦略の集合を通じて異なるパラメータから符号化された情報の相互作用を可能にし、情報融合後のアテンション機構を介して異なる重み付けを行い、洗練された表現情報を得る。
最後に、V^{-}$-shape生成モジュールに埋め込まれた強化融合スキームを用いて、階層表現を組み合わせて、欠落したMRIパラメータを生成する。
その結果、IMPORTANT-NetはMRIパラメーターの欠如を発生させ、同等の最先端ネットワークより優れた性能を発揮することがわかった。
私たちのコードはhttps://github.com/Netherlands-Cancer-Institute/MRI_IMPORTANT_NETで利用可能です。
関連論文リスト
- A Unified Framework for Synthesizing Multisequence Brain MRI via Hybrid Fusion [4.47838172826189]
我々はHF-GAN(Hybrid Fusion GAN)と呼ばれる,マルチシーケンスMR画像の合成のための新しい統合フレームワークを提案する。
本稿では,相補的情報と相補的情報との絡み合った抽出を確実にするためのハイブリッド核融合エンコーダを提案する。
共通特徴表現は、欠落したMR配列を合成するために、モダリティ注入器を介してターゲット潜在空間に変換される。
論文 参考訳（メタデータ） (2024-06-21T08:06:00Z) - MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。
このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。
実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
論文 参考訳（メタデータ） (2024-05-28T00:36:25Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳（メタデータ） (2023-08-24T01:30:18Z) - Two-stage MR Image Segmentation Method for Brain Tumors based on
Attention Mechanism [27.08977505280394]
CycleGAN(CycleGAN)に基づく協調・空間的注意生成対向ネットワーク(CASP-GAN)を提案する。
ジェネレータの性能は、コーディネート・アテンション(CA)モジュールと空間アテンション(SA)モジュールを導入することで最適化される。
元の医用画像の構造情報と詳細な情報を抽出する能力は、所望の画像をより高品質に生成するのに役立つ。
論文 参考訳（メタデータ） (2023-04-17T08:34:41Z) - 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) - Multi-head Cascaded Swin Transformers with Attention to k-space Sampling
Pattern for Accelerated MRI Reconstruction [16.44971774468092]
我々は,McSTRA(Multi-head Cascaded Swin Transformer)と題する,物理学に基づくスタンドアロン(畳み込みフリー)トランスモデルを提案する。
当モデルでは, 画像と定量的に, 最先端のMRI再建法より有意に優れていた。
論文 参考訳（メタデータ） (2022-07-18T07:21:56Z) - Transformer-empowered Multi-scale Contextual Matching and Aggregation
for Multi-contrast MRI Super-resolution [55.52779466954026]
マルチコントラスト・スーパーレゾリューション (SR) 再構成により, SR画像の高画質化が期待できる。
既存の手法では、これらの特徴をマッチングし、融合させる効果的なメカニズムが欠如している。
そこで本稿では,トランスフォーマーを利用したマルチスケールコンテキストマッチングとアグリゲーション技術を開発することで,これらの問題を解決する新しいネットワークを提案する。
論文 参考訳（メタデータ） (2022-03-26T01:42:59Z) - Edge-Enhanced Dual Discriminator Generative Adversarial Network for Fast
MRI with Parallel Imaging Using Multi-view Information [10.616409735438756]
高速なマルチチャンネルMRI再構成のための並列画像結合型二重判別器生成対向ネットワーク(PIDD-GAN)を提案する。
1つの判別器は全体像再構成に使用され、もう1つはエッジ情報の強化に責任がある。
以上の結果から,PIDD-GANは良質なMR画像と良好な保存エッジ情報を提供することがわかった。
論文 参考訳（メタデータ） (2021-12-10T10:49:26Z) - Complex-valued Federated Learning with Differential Privacy and MRI Applications [51.34714485616763]
複雑な値を持つガウスのメカニズムを導入し、その振る舞いは$f$-DP、$(varepsilon, delta)$-DP、R'enyi-DPで特徴づけられる。
本稿では,DPと互換性のある複雑なニューラルネットワークプリミティブを提案する。
実験では,実世界の課題に対して,DPを用いた複合数値ニューラルネットワークを訓練することで概念実証を行う。
論文 参考訳（メタデータ） (2021-10-07T14:03:00Z) - Modality Completion via Gaussian Process Prior Variational Autoencoders
for Multi-Modal Glioma Segmentation [75.58395328700821]
本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。
MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。
4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
論文 参考訳（メタデータ） (2021-07-07T19:06:34Z) - Unsupervised MRI Reconstruction via Zero-Shot Learned Adversarial
Transformers [0.0]
Zero-Shot Learned Adrial Transformers (SLATER) を用いた新しい非監視MRI再構成法を提案する。
アンダーサンプルテストデータ上でゼロショット再構成を行い、ネットワークパラメータを最適化して推論を行います。
脳MRIデータセットの実験は、いくつかの最先端の教師なし手法に対してSLATERの優れた性能を明らかに示している。
論文 参考訳（メタデータ） (2021-05-15T02:01:21Z)
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。