論文の概要: FetMRQC: Automated Quality Control for fetal brain MRI

• arxiv url: http://arxiv.org/abs/2304.05879v1
• Date: Wed, 12 Apr 2023 14:20:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 14:43:42.441545
• Title: FetMRQC: Automated Quality Control for fetal brain MRI
• Title（参考訳）: FetMRQC:胎児脳MRIにおける自動品質制御
• Authors: Thomas Sanchez, Oscar Esteban, Yvan Gomez, Elisenda Eixarch and Meritxell Bach Cuadra
• Abstract要約: 胎児脳MRIに適した画像品質自動評価のための機械学習フレームワークFetMRQCを提案する。 既存の品質指標と比較して、FetMRQCは解釈可能でデータ効率が良く、領域外を一般化できることを示す。 また,胎児脳画像の品質評価を容易にし,最適化するための手動品質評価ツールもリリースした。
• 参考スコア（独自算出の注目度）: 2.809895944450167
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Quality control (QC) has long been considered essential to guarantee the reliability of neuroimaging studies. It is particularly important for fetal brain MRI, where large and unpredictable fetal motion can lead to substantial artifacts in the acquired images. Existing methods for fetal brain quality assessment operate at the \textit{slice} level, and fail to get a comprehensive picture of the quality of an image, that can only be achieved by looking at the \textit{entire} brain volume. In this work, we propose FetMRQC, a machine learning framework for automated image quality assessment tailored to fetal brain MRI, which extracts an ensemble of quality metrics that are then used to predict experts' ratings. Based on the manual ratings of more than 1000 low-resolution stacks acquired across two different institutions, we show that, compared with existing quality metrics, FetMRQC is able to generalize out-of-domain, while being interpretable and data efficient. We also release a novel manual quality rating tool designed to facilitate and optimize quality rating of fetal brain images. Our tool, along with all the code to generate, train and evaluate the model will be released upon acceptance of the paper.
• Abstract（参考訳）: 品質管理(qc)は,神経画像研究の信頼性を保証する上で重要視されてきた。 特に胎児脳MRIでは、大きめで予測不可能な胎児の動きが、取得した画像に実質的なアーティファクトをもたらす可能性がある。 胎児の脳質評価のための既存の方法は、 \textit{slice}レベルで動作し、画像の品質の包括的な画像を得ることができず、それは \textit{entire} 脳の容積を見ることでのみ達成できる。 本研究では、胎児脳MRIに合わせた自動画像品質評価のための機械学習フレームワークであるFetMRQCを提案する。 2つの異なる機関で取得された1000以上の低解像度スタックのマニュアル評価に基づいて、FetMRQCは既存の品質指標と比較して、解釈可能でデータ効率が良い領域外を一般化できることを示した。 また、胎児脳画像の品質評価を容易にし、最適化するための手動品質評価ツールもリリースした。 私たちのツールは、モデルを生成し、トレーニングし、評価するすべてのコードとともに、論文が受け入れられるとリリースされます。

関連論文リスト

• FetMRQC: a robust quality control system for multi-centric fetal brain MRI [33.08151493899017]
  本稿では,自動画像品質評価と品質管理のためのオープンソースの機械学習フレームワークFetMRQCを提案する。 FetMRQCは、未処理の解剖学的MRIから品質指標のアンサンブルを抽出し、それらを組み合わせて専門家のレーティングを予測する。 我々は、1600以上の胎児脳T2強調画像からなる、先駆的に大きく多様なデータセット上で、我々のフレームワークを検証する。
  論文  参考訳（メタデータ） (2023-11-08T15:59:41Z)
• fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
  本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。 我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。 コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
  論文  参考訳（メタデータ） (2023-11-01T07:24:22Z)
• Tissue Segmentation of Thick-Slice Fetal Brain MR Scans with Guidance from High-Quality Isotropic Volumes [52.242103848335354]
  本稿では,高品位等方性ボリュームから学習した知識を高密度スライススキャンの正確な組織セグメント化のために効率的に伝達するC2DA-Netを提案する。 我々のC2DA-Netは、注釈のない厚いスライススキャンで組織分画をガイドするために、注釈付き等方性ボリュームの小さなセットを十分に利用できる。
  論文  参考訳（メタデータ） (2023-08-13T12:51:15Z)
• Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
  視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。 事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。 実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-09-19T09:43:19Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。 我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。 7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
  論文  参考訳（メタデータ） (2022-03-15T11:52:29Z)
• Artifact- and content-specific quality assessment for MRI with image rulers [11.551528894727573]
  臨床では、MRI画像はスキャン後ずっと後に放射線科医によって最初に見られることが多い。 画像品質が不十分な場合、追加のスキャンのために戻らなければならないか、あるいは最適以下の解釈を下す必要がある。 キャリブレーションされたラベルで訓練し,画像定規で推測するマルチタスクCNNモデルを用いたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-06T02:17:12Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Semi-Supervised Learning for Fetal Brain MRI Quality Assessment with ROI consistency [1.7757605747890044]
  T2強調胎児脳MRIの現在のプロトコルは、運動に対して堅牢ではない。 脳の容積スキャン中に人工物でスライスを検出する半教師付き深層学習法を提案する。 提案手法は、モデル精度を約6%向上させ、他の最先端の半教師あり学習法より優れる。
  論文  参考訳（メタデータ） (2020-06-23T02:40:45Z)
• MRQy: An Open-Source Tool for Quality Control of MR Imaging Data [1.5172095934925576]
  このツールは、(a)画像解像度、視野、画像コントラスト、または(b)ノイズ、運動、不均一性、リング、エイリアスなどの画像アーティファクトにおけるサイトまたはスキャナー固有のバリエーションの存在を定量化することを目的としている。 MRQyは、MRIコホートにサイトベースや機器ベースの違いを問うためのオープンソースの品質管理ツールである。
  論文  参考訳（メタデータ） (2020-04-10T01:30:51Z)

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。