論文の概要: Attention-based convolutional neural network for perfusion T2-weighted MR images preprocessing

• arxiv url: http://arxiv.org/abs/2303.02518v1
• Date: Sat, 4 Mar 2023 22:40:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 19:10:25.314974
• Title: Attention-based convolutional neural network for perfusion T2-weighted MR images preprocessing
• Title（参考訳）: T2強調MR画像前処理のための注意に基づく畳み込みニューラルネットワーク
• Authors: Svitlana Alkhimova, Oleksii Diumin
• Abstract要約: 本稿では,ネットワークアーキテクチャの基盤となるU-Net+ResNetへの空間的・チャネル的圧縮・励起的注意機構の異なる統合戦略を提案する。 脳解剖学的異常を伴うT2-stared MR画像における頭蓋骨切り術の性能について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate skull-stripping is crucial preprocessing in dynamic susceptibility contrast-enhanced perfusion magnetic resonance data analysis. The presence of non-brain tissues impacts the perfusion parameters assessment. In this study, we propose different integration strategies for the spatial and channel squeeze and excitation attention mechanism into the baseline U-Net+ResNet neural network architecture to provide automatic skull-striping i.e., Standard scSE, scSE-PRE, scSE-POST, and scSE Identity strategies of plugging of scSE block into the ResNet backbone. We comprehensively investigate the performance of skull-stripping in T2-star weighted MR images with abnormal brain anatomy. The comparison that utilizing any of the proposed strategies provides the robustness of skull-stripping. However, the scSE-POST integration strategy provides the best result with an average Dice Coefficient of 0.9810.
• Abstract（参考訳）: ダイナミック・サセプティビリティ・コントラスト強化灌流磁気共鳴データ解析において、正確な頭蓋骨切断は重要な前処理である。 非脳組織の存在は灌流パラメータ評価に影響を及ぼす。 本研究では,標準sce,scse-pre,scse-post,およびsceブロックをresnetバックボーンに挿入するsce識別戦略を提供するため,u-net+resnetニューラルネットワークアーキテクチャにおける空間的およびチャネル的圧縮および興奮的注意機構の異なる統合戦略を提案する。 脳解剖学的異常を伴うT2-stared MR画像における頭蓋骨切り術の性能を総合的に検討した。 提案した戦略のいずれかを活用することで、頭蓋骨切断の堅牢性が得られる。 しかし、scse-post統合戦略は平均サイコロ係数 0.9810 で最良の結果を与える。

関連論文リスト

• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• 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)
• Joint MR sequence optimization beats pure neural network approaches for spin-echo MRI super-resolution [44.52688267348063]
  最近のMRIスーパーレゾリューション(SR)法は、ニューラルネットワーク(NN)の入力として典型的な臨床領域から取得したコントラストのみを使用する SR-TSEのためのMRシークエンスとニューラルネットワークパラメータのエンドツーエンド最適化を実現するための既知の演算子学習手法を提案する。
  論文  参考訳（メタデータ） (2023-05-12T14:40:25Z)
• 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)
• Learning Task-Aware Effective Brain Connectivity for fMRI Analysis with Graph Neural Networks [28.460737693330245]
  我々は、fMRI解析のためのアンダーラインTask-aware UnderlineBrain接続アンダーラインDAGに基づくエンドツーエンドフレームワークTBDSを提案する。 TBDSの鍵となるコンポーネントは、DAG学習アプローチを採用して、生の時系列をタスク対応の脳結合性に変換する脳ネットワークジェネレータである。 2つのfMRIデータセットに関する総合的な実験は、TBDSの有効性を示す。
  論文  参考訳（メタデータ） (2022-11-01T03:59:54Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Category Guided Attention Network for Brain Tumor Segmentation in MRI [6.685945448824158]
  カテゴリー案内注意U-Net(CGA U-Net)という新しいセグメンテーションネットワークを提案する。 本モデルでは,より正確かつ安定した特徴写像の長距離依存性を計算コストを伴わずに捉えることのできる,注目機構に基づくスーパービジョンアテンションモジュール(SAM)を設計する。 BraTS 2019データセットの実験的結果は、提案手法がセグメント化性能と計算複雑性の両方において最先端のアルゴリズムより優れていることを示している。
  論文  参考訳（メタデータ） (2022-03-29T09:22:29Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• 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)
• DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI Segmentation [0.0]
  本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。 提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
  論文  参考訳（メタデータ） (2021-05-17T15:43:59Z)

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。