論文の概要: Diffusion Models for Contrast Harmonization of Magnetic Resonance Images

• arxiv url: http://arxiv.org/abs/2303.08189v1
• Date: Tue, 14 Mar 2023 19:24:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-03-16 15:41:29.294247
• Title: Diffusion Models for Contrast Harmonization of Magnetic Resonance Images
• Title（参考訳）: 磁気共鳴画像のコントラスト調和のための拡散モデル
• Authors: Alicia Durrer, Julia Wolleb, Florentin Bieder, Tim Sinnecker, Matthias Weigel, Robin Sandk\"uhler, Cristina Granziera, \"Ozg\"ur Yaldizli, Philippe C. Cattin
• Abstract要約: 本研究ではコントラスト調和のための拡散モデルに基づくアプローチを提案する。 多発性硬化症患者18名と健常者22名からなるデータセットを用いて検討した。 解剖学的情報ではなくコントラストだけを変更したいので,本手法では,原画像を用いて画像から画像への変換プロセスを導出する。
• 参考スコア（独自算出の注目度）: 0.6965384453064828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Magnetic resonance (MR) images from multiple sources often show differences in image contrast related to acquisition settings or the used scanner type. For long-term studies, longitudinal comparability is essential but can be impaired by these contrast differences, leading to biased results when using automated evaluation tools. This study presents a diffusion model-based approach for contrast harmonization. We use a data set consisting of scans of 18 Multiple Sclerosis patients and 22 healthy controls. Each subject was scanned in two MR scanners of different magnetic field strengths (1.5 T and 3 T), resulting in a paired data set that shows scanner-inherent differences. We map images from the source contrast to the target contrast for both directions, from 3 T to 1.5 T and from 1.5 T to 3 T. As we only want to change the contrast, not the anatomical information, our method uses the original image to guide the image-to-image translation process by adding structural information. The aim is that the mapped scans display increased comparability with scans of the target contrast for downstream tasks. We evaluate this method for the task of segmentation of cerebrospinal fluid, grey matter and white matter. Our method achieves good and consistent results for both directions of the mapping.
• Abstract（参考訳）: 複数のソースからのMR画像は、取得設定や使用されるスキャナータイプに関連する画像コントラストの違いがしばしば示される。 長期的な研究においては、縦方向のコンパラビリティは不可欠であるが、これらのコントラストの違いによって損なわれ、自動評価ツールを用いた場合のバイアスが生じる。 本研究ではコントラスト調和のための拡散モデルに基づくアプローチを提案する。 多発性硬化症患者18例と健康管理22例のスキャンデータを用いた。 各被験者は磁場強度の異なる2つのMRスキャナー(1.5Tと3T)でスキャンされ、結果としてスキャナー間の相違を示すペアデータセットが得られた。 3tから1.5t、1.5tから1.5tの両方向の目標コントラストからの画像をマッピングする。解剖学的情報ではなくコントラストのみを変更したいので、元の画像を用いて構造情報を付加して画像から画像への変換プロセスをガイドする。 目的は、マッピングされたスキャンが下流タスクの目標コントラストのスキャンとの互換性を高めることである。 本手法は,脳脊髄液,灰白質,白質のセグメンテーション課題に対する評価を行う。 本手法はマッピングの両方向に対して良好かつ一貫した結果を得る。

関連論文リスト

• Here Comes the Explanation: A Shapley Perspective on Multi-contrast Medical Image Segmentation [0.1675245825272646]
  そこで我々は,脳腫瘍セグメンテーションにおける標準指標に基づいてトレーニングした最先端のモデルについて,コントラストレベルのShapley値を用いて説明する。 以上の結果から,Shapley解析は腫瘍セグメンテーションに使用する異なるモデルの挙動に関する貴重な知見を提供することが示された。
  論文  参考訳（メタデータ） (2025-04-06T23:52:07Z)
• Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound [65.23740556896654]
  自己教師付き学習 (SSL) は, 医療画像におけるラベル付きデータの健全性に対処するための戦略である。 本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。 この手法は、従来の超音波特異的比較学習法の平均検査精度を新型コロナウイルスの分類で上回り、IVPP(Intra-Video Positive Pairs)と命名された。
  論文  参考訳（メタデータ） (2024-03-12T14:57:57Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• Single-subject Multi-contrast MRI Super-resolution via Implicit Neural Representations [9.683341998041634]
  Inlicit Neural Representations (INR) は連続空間関数における相補的視点の2つの異なるコントラストを学習することを提案した。 我々のモデルは、3つのデータセットを用いた実験において、異なるコントラストのペア間で現実的な超解像を提供する。
  論文  参考訳（メタデータ） (2023-03-27T10:18:42Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Modulated Contrast for Versatile Image Synthesis [60.304183493234376]
  MoNCEは画像のコントラストを導入し、多面的画像間距離の知覚のための校正基準を学習する。 複数の対照的な目的に対して協調的に負のサンプルのプッシュ力を変調するために,MoNCEの最適輸送を導入する。
  論文  参考訳（メタデータ） (2022-03-17T14:03:46Z)
• Ab-initio Contrast Estimation and Denoising of Cryo-EM Images [12.807080095995136]
  本稿では,3次元ボリューム情報を用いることなく,ノイズの多い画像から直接コントラスト推定を行う手法を提案する。 単一粒子分析の初期段階においてコントラスト補正が可能であり、下流処理の精度を向上させることができる。
  論文  参考訳（メタデータ） (2022-02-15T21:31:34Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Self-Supervised Multi-Modal Alignment for Whole Body Medical Imaging [70.52819168140113]
  我々は、英国バイオバンクの2万名以上の被験者のデータセットを使用し、全体Dixon法磁気共鳴法(MR)スキャンとデュアルエネルギーX線吸収率法(DXA)スキャンを併用した。 マルチモーダル画像マッチングコントラストフレームワークを導入し、同一対象の異なるモダリティスキャンを高精度にマッチングすることができる。 適応がなければ、この対照的なトレーニングステップで学習した対応が、自動クロスモーダルスキャン登録の実行に利用できることを示す。
  論文  参考訳（メタデータ） (2021-07-14T12:35:05Z)
• MedAug: Contrastive learning leveraging patient metadata improves representations for chest X-ray interpretation [8.403653472706822]
  患者メタデータを用いて、異なる画像の視点からポジティブなペアを選択する手法を開発しています。 胸部X線解釈の正の対を選択するための戦略を比較検討し, 同一患者, 画像研究, 側方性などを検討した。 すべての側面で同じ研究から同じ患者からのイメージを使用することを含む私達の最もよい性能の肯定的な対の選択戦略は平均AUCの3.4%そして14.4%の性能の増加を達成します。
  論文  参考訳（メタデータ） (2021-02-21T18:39:04Z)
• Joint super-resolution and synthesis of 1 mm isotropic MP-RAGE volumes from clinical MRI exams with scans of different orientation, resolution and contrast [4.987889348212769]
  コントラスト,解像度,方向の異なる1つ以上の厚いスライススキャンを受信するCNNの訓練方法であるSynthSRを提案する。 提案手法では,ストリッピングやバイアスフィールド補正などの前処理は不要である。
  論文  参考訳（メタデータ） (2020-12-24T17:29:53Z)

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。