論文の概要: SF2Former: Amyotrophic Lateral Sclerosis Identification From
Multi-center MRI Data Using Spatial and Frequency Fusion Transformer
- arxiv url: http://arxiv.org/abs/2302.10859v1
- Date: Tue, 21 Feb 2023 18:16:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-22 14:08:57.749432
- Title: SF2Former: Amyotrophic Lateral Sclerosis Identification From
Multi-center MRI Data Using Spatial and Frequency Fusion Transformer
- Title（参考訳）: SF2Former:空間・周波数融合変換器を用いた多心MRI画像からの筋萎縮性側索硬化症の同定
- Authors: Rafsanjany Kushol, Collin C. Luk, Avyarthana Dey, Michael Benatar,
Hannah Briemberg, Annie Dionne, Nicolas Dupr\'e, Richard Frayne, Angela
Genge, Summer Gibson, Simon J. Graham, Lawrence Korngut, Peter Seres, Robert
C. Welsh, Alan Wilman, Lorne Zinman, Sanjay Kalra, Yee-Hong Yang
- Abstract要約: 筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、運動ニューロン変性を伴う複雑な神経変性疾患である。
ディープラーニングは、コンピュータビジョンにおける機械学習プログラムの傑出したクラスになった。
本研究では、視覚変換器アーキテクチャのパワーを活用してALS対象と制御群を区別するフレームワークであるSF2Formerを紹介する。
- 参考スコア（独自算出の注目度）: 3.408266725482757
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Amyotrophic Lateral Sclerosis (ALS) is a complex neurodegenerative disorder
involving motor neuron degeneration. Significant research has begun to
establish brain magnetic resonance imaging (MRI) as a potential biomarker to
diagnose and monitor the state of the disease. Deep learning has turned into a
prominent class of machine learning programs in computer vision and has been
successfully employed to solve diverse medical image analysis tasks. However,
deep learning-based methods applied to neuroimaging have not achieved superior
performance in ALS patients classification from healthy controls due to having
insignificant structural changes correlated with pathological features.
Therefore, the critical challenge in deep models is to determine useful
discriminative features with limited training data. By exploiting the
long-range relationship of image features, this study introduces a framework
named SF2Former that leverages vision transformer architecture's power to
distinguish the ALS subjects from the control group. To further improve the
network's performance, spatial and frequency domain information are combined
because MRI scans are captured in the frequency domain before being converted
to the spatial domain. The proposed framework is trained with a set of
consecutive coronal 2D slices, which uses the pre-trained weights on ImageNet
by leveraging transfer learning. Finally, a majority voting scheme has been
employed to those coronal slices of a particular subject to produce the final
classification decision. Our proposed architecture has been thoroughly assessed
with multi-modal neuroimaging data using two well-organized versions of the
Canadian ALS Neuroimaging Consortium (CALSNIC) multi-center datasets. The
experimental results demonstrate the superiority of our proposed strategy in
terms of classification accuracy compared with several popular deep
learning-based techniques.
- Abstract（参考訳）: 筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、運動ニューロン変性を伴う複雑な神経変性疾患である。
脳磁気共鳴画像(MRI)は、病気の状態を診断し、モニターする潜在的なバイオマーカーとして確立し始めている。
ディープラーニングはコンピュータビジョンにおける機械学習プログラムの傑出したクラスとなり、多様な医療画像解析タスクの解決に成功している。
しかし, 神経画像学に応用した深層学習法は, 病理学的特徴に相関する構造変化がみられ, 健常者からのALS患者の分類では優れた成績を得られていない。
したがって、深層モデルにおける重要な課題は、限られたトレーニングデータで有用な識別特徴を決定することである。
本研究は,画像特徴の長距離関係を生かして,視覚トランスフォーマーのパワーを利用してals被写体を制御群と区別するsf2formerというフレームワークを提案する。
ネットワークの性能をさらに向上するために、空間領域に変換される前にMRIスキャンが周波数領域でキャプチャされるため、空間領域と周波数領域の情報を組み合わせる。
提案するフレームワークは、転送学習を利用してimagenetで事前訓練された重みを使用する一連のコロナ2dスライスでトレーニングされる。
最後に、最終分類決定を下すために、特定の被験者のコロナスライスに多数決方式が採用された。
提案するアーキテクチャは,カナダalsニューロイメージングコンソーシアム (calsnic) の2つの高度に構成されたマルチセンターデータセットを用いて,マルチモーダルニューロイメージングデータを用いて徹底的に評価されている。
実験の結果,提案手法の分類精度は,一般的な深層学習手法に比べて優れていることが示された。
関連論文リスト
- Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。
具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。
知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文 参考訳（メタデータ） (2024-07-31T04:32:43Z) - Applying Conditional Generative Adversarial Networks for Imaging Diagnosis [3.881664394416534]
本研究は、スタックド・ホアーグラス・ネットワーク(SHGN)と統合されたコンディショナル・ジェネレーション・アドバイザリアル・ネットワーク(C-GAN)の革新的な応用を紹介する。
我々は、複雑な画像データセットに適用されるディープラーニングモデルに共通するオーバーフィッティングの問題に、回転とスケーリングを通じてデータを増大させることで対処する。
血管内超音波(IVUS)画像において,L1とL2再構成損失を併用したハイブリッド損失関数を導入する。
論文 参考訳（メタデータ） (2024-07-17T23:23:09Z) - Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。
提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。
前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
論文 参考訳（メタデータ） (2024-07-01T16:09:07Z) - 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) - K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality
Assessment [71.27193056354741]
クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。
本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。
K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
論文 参考訳（メタデータ） (2023-07-10T01:26:48Z) - 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) - Hierarchical Graph Convolutional Network Built by Multiscale Atlases for
Brain Disorder Diagnosis Using Functional Connectivity [48.75665245214903]
本稿では,脳疾患診断のためのマルチスケールFCN解析を行うための新しいフレームワークを提案する。
まず、マルチスケールFCNを計算するために、明確に定義されたマルチスケールアトラスのセットを用いる。
そこで我々は, 生物的に有意な脳階層的関係を多スケールアトラスの領域で利用し, 結節プールを行う。
論文 参考訳（メタデータ） (2022-09-22T04:17:57Z) - Evaluating U-net Brain Extraction for Multi-site and Longitudinal
Preclinical Stroke Imaging [0.4310985013483366]
畳み込みニューラルネットワーク(CNN)は精度を改善し、演算時間を短縮する。
U-net CNNを用いた深層学習マウス脳抽出ツールを開発した。
240のマルチモーダルMRIデータセット上で,典型的なU-netモデルをトレーニングし,検証し,テストした。
論文 参考訳（メタデータ） (2022-03-11T02:00:27Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Neural Architecture Search for Gliomas Segmentation on Multimodal
Magnetic Resonance Imaging [2.66512000865131]
マルチモーダルMRIスキャンにおける脳腫瘍セグメント化課題に対するニューラルアーキテクチャサーチ(NAS)に基づくソリューションを提案する。
開発されたソリューションは、また、脳MRI処理に適した正規化とパッチ戦略を統合する。
論文 参考訳（メタデータ） (2020-05-13T14:32:00Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
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。