論文の概要: A Unified Learning Model for Estimating Fiber Orientation Distribution Functions on Heterogeneous Multi-shell Diffusion-weighted MRI

• arxiv url: http://arxiv.org/abs/2303.16376v2
• Date: Mon, 29 Jan 2024 23:45:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 19:54:27.895978
• Title: A Unified Learning Model for Estimating Fiber Orientation Distribution Functions on Heterogeneous Multi-shell Diffusion-weighted MRI
• Title（参考訳）: 不均一多殻拡散強調MRIにおける繊維配向分布関数の統一学習モデル
• Authors: Tianyuan Yao, Nancy Newlin, Praitayini Kanakaraj, Vishwesh nath, Leon Y Cai, Karthik Ramadass, Kurt Schilling, Bennett A. Landman, Yuankai Huo
• Abstract要約: 拡散強調(DW)MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通して測定する。 近年の微細構造イメージングと多部分解の進展は、信号の放射状b値依存性に新たな注意を喚起している。 単一ステージの球面畳み込みニューラルネットワークを用いて,効率的な繊維配向分布関数推定を行う。
• 参考スコア（独自算出の注目度）: 7.619657591752497
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion-weighted (DW) MRI measures the direction and scale of the local diffusion process in every voxel through its spectrum in q-space, typically acquired in one or more shells. Recent developments in micro-structure imaging and multi-tissue decomposition have sparked renewed attention to the radial b-value dependence of the signal. Applications in tissue classification and micro-architecture estimation, therefore, require a signal representation that extends over the radial as well as angular domain. Multiple approaches have been proposed that can model the non-linear relationship between the DW-MRI signal and biological microstructure. In the past few years, many deep learning-based methods have been developed towards faster inference speed and higher inter-scan consistency compared with traditional model-based methods (e.g., multi-shell multi-tissue constrained spherical deconvolution). However, a multi-stage learning strategy is typically required since the learning process relies on various middle representations, such as simple harmonic oscillator reconstruction (SHORE) representation. In this work, we present a unified dynamic network with a single-stage spherical convolutional neural network, which allows efficient fiber orientation distribution function (fODF) estimation through heterogeneous multi-shell diffusion MRI sequences. We study the Human Connectome Project (HCP) young adults with test-retest scans. From the experimental results, the proposed single-stage method outperforms prior multi-stage approaches in repeated fODF estimation with shell dropoff and single-shell DW-MRI sequences.
• Abstract（参考訳）: Diffusion-weighted (DW) MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通じて測定する。 近年の微細構造イメージングと多部分解は,信号の放射状b値依存性に新たな注目を集めている。 したがって、組織分類やマイクロアーキテクチャ推定における応用には、ラジアルと角領域にまたがる信号表現が必要である。 DW-MRI信号と生体組織との非線形関係をモデル化する複数の手法が提案されている。 過去数年間、従来のモデルベース手法(マルチシェルマルチトイシュー制約球面デコンボリューションなど)と比較して、推論速度の高速化とscan間一貫性の向上を目的として、多くのディープラーニングベースの手法が開発されてきた。 しかし、学習過程は単純な調和振動子再構成(SHORE)表現など、様々な中間表現に依存するため、多段階学習戦略が要求されることが多い。 本研究では, 単一ステージの球面畳み込みニューラルネットワークを用いて, 不均一な多層拡散MRIシーケンスによる効率的な繊維配向分布関数(fODF)推定を可能にする, 統一された動的ネットワークを提案する。 我々は,ヒトコネクトームプロジェクト(hcp)の若年成人を対象に,テスト-リテストスキャンによる検討を行った。 実験結果から, 単一段法は, シェルドロップオフと単殻DW-MRIによるFODFの繰り返し推定において, 先行する複数段法よりも優れていた。

関連論文リスト

• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• MARVEL: MR Fingerprinting with Additional micRoVascular Estimates using bidirectional LSTMs [0.8901227918730564]
  本稿では,現実的な微小血管ネットワークを含む数値ボクセルからのMR信号をシミュレーションする効率的な方法を提案する。 3人のボランティアに対して行った結果から,我々のアプローチはより高速に微小血管パラメータの定量的マップを作成できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-15T08:09:54Z)
• DeepMpMRI: Tensor-decomposition Regularized Learning for Fast and High-Fidelity Multi-Parametric Microstructural MR Imaging [15.408939800451696]
  本稿では,様々な拡散モデルから高速かつ高忠実なマルチパラメトリック推定を行うための統一フレームワークを提案する。 DeepMpMRIは、細部を効果的に捉えるために新しく設計されたテンソル分解ベースの正規化器を備えている。
  論文  参考訳（メタデータ） (2024-05-06T04:36:02Z)
• NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
  本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。 様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
  論文  参考訳（メタデータ） (2024-03-27T02:42:52Z)
• Neural Spherical Harmonics for structurally coherent continuous representation of diffusion MRI signal [0.3277163122167433]
  本稿では,ヒト脳の構造的コヒーレンスから恩恵を受ける拡散磁気共鳴画像(dMRI)データセットをモデル化する方法を提案する。 現在の方法では、個々のボクセルのdMRI信号をモデル化し、現在存在するボクセルのコヒーレンスを無視している。 我々は、ニューラルネットワークを用いて、Human Connectome Projectデータセットから1つの対象のdMRI信号を表現するために、球面調和系列をパラメータ化する。
  論文  参考訳（メタデータ） (2023-08-16T08:28:01Z)
• DreaMR: Diffusion-driven Counterfactual Explanation for Functional MRI [0.0]
  拡散駆動型逆ファクト法であるDreaMRを導入し,高い特異性,妥当性,忠実度でfMRIの解釈を可能にする。 DreaMRは、入力fMRIサンプルの拡散に基づく再サンプリングを行い、下流分類器の決定を変更し、説明のために元のサンプルと反現実的なサンプルの最小差を計算する。 ニューロイメージングデータセットに関する総合的な実験は、fMRIの解釈のための最先端のカウンターファクト法よりも、サンプル生成におけるDreaMRの特異性、忠実性、効率性が優れていることを示した。
  論文  参考訳（メタデータ） (2023-07-18T18:46:07Z)
• Optimizing Sampling Patterns for Compressed Sensing MRI with Diffusion Generative Models [75.52575380824051]
  圧縮センシングマルチコイルMRIにおけるサブサンプリングパターンを最適化する学習手法を提案する。 拡散モデルとMRI計測プロセスにより得られた後部平均推定値に基づいて1段階の再構成を行う。 本手法では,効果的なサンプリングパターンの学習には5つのトレーニング画像が必要である。
  論文  参考訳（メタデータ） (2023-06-05T22:09:06Z)
• Robust Fiber ODF Estimation Using Deep Constrained Spherical Deconvolution for Diffusion MRI [7.9283612449524155]
  測定したDW-MRI信号をモデル化するための一般的なプラクティスは、繊維配向分布関数(fODF)である。 DW-MRIの取得において、測定変数(サイト内およびサイト内変動、ハードウェア性能、シーケンス設計など)は避けられない。 既存のモデルベース手法(例えば、制約付き球面デコンボリューション(CSD))や学習ベース手法(例えば、ディープラーニング(DL))は、fODFモデリングにおいてそのような変動を明示的に考慮していない。 本稿では,データ駆動型深部制約付き球面デコンボリューション法を提案する。
  論文  参考訳（メタデータ） (2023-06-05T14:06:40Z)
• Decomposed Diffusion Sampler for Accelerating Large-Scale Inverse Problems [64.29491112653905]
  本稿では, 拡散サンプリング法とクリロフ部分空間法を相乗的に組み合わせた, 新規で効率的な拡散サンプリング手法を提案する。 具体的には、ツイーディの公式による分母化標本における接空間がクリロフ部分空間を成すならば、その分母化データによるCGは、接空間におけるデータの整合性更新を確実に維持する。 提案手法は,従来の最先端手法よりも80倍以上高速な推論時間を実現する。
  論文  参考訳（メタデータ） (2023-03-10T07:42:49Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。