論文の概要: FastMRI Prostate: A Publicly Available, Biparametric MRI Dataset to
Advance Machine Learning for Prostate Cancer Imaging
- arxiv url: http://arxiv.org/abs/2304.09254v1
- Date: Tue, 18 Apr 2023 19:34:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 08:12:41.766780
- Title: FastMRI Prostate: A Publicly Available, Biparametric MRI Dataset to
Advance Machine Learning for Prostate Cancer Imaging
- Title(参考訳): FastMRI前立腺:前立腺癌画像のための機械学習を前進させる2パラメータMRIデータセット
- Authors: Radhika Tibrewala, Tarun Dutt, Angela Tong, Luke Ginocchio, Mahesh B
Keerthivasan, Steven H Baete, Sumit Chopra, Yvonne W Lui, Daniel K Sodickson,
Hersh Chandarana, Patricia M Johnson
- Abstract要約: 今回,2023年4月のfastMRIデータセットの拡張について述べる。
データセットは、T2重み付きおよび拡散重み付き配列のための生のk空間と再構成された画像と、前立腺癌の存在と程度を示すスライスレベルラベルから構成される。
- 参考スコア(独自算出の注目度): 1.9619538084894699
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fastMRI brain and knee dataset has enabled significant advances in
exploring reconstruction methods for improving speed and image quality for
Magnetic Resonance Imaging (MRI) via novel, clinically relevant reconstruction
approaches. In this study, we describe the April 2023 expansion of the fastMRI
dataset to include biparametric prostate MRI data acquired on a clinical
population. The dataset consists of raw k-space and reconstructed images for
T2-weighted and diffusion-weighted sequences along with slice-level labels that
indicate the presence and grade of prostate cancer. As has been the case with
fastMRI, increasing accessibility to raw prostate MRI data will further
facilitate research in MR image reconstruction and evaluation with the larger
goal of improving the utility of MRI for prostate cancer detection and
evaluation. The dataset is available at https://fastmri.med.nyu.edu.
- Abstract(参考訳): 高速MRI脳と膝のデータセットは、新しい臨床的に関係のある再建アプローチを通じて、MRI(MRI)の速度と画像品質を改善するための再構築方法の探索において、大きな進歩をもたらした。
本研究では,2023年4月のfastMRIデータセットの拡張について述べる。
データセットは、T2重み付きおよび拡散重み付き配列のための生のk空間と再構成された画像と、前立腺癌の存在と程度を示すスライスレベルラベルから構成される。
fastMRIの場合と同様に、生前立腺MRIデータへのアクセシビリティの向上は、MRI画像の再構成と評価をさらに促進し、前立腺がんの検出と評価のためのMRIの有用性を向上させることを目的としている。
データセットはhttps://fastmri.med.nyu.eduで利用可能である。
関連論文リスト
- Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and
Dynamic PROPELLER MRI [76.60362295758596]
磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。
本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
論文 参考訳(メタデータ) (2023-11-22T05:44:51Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳(メタデータ) (2023-09-19T15:14:42Z) - Iterative Data Refinement for Self-Supervised MR Image Reconstruction [18.02961646651716]
自己教師型MR画像再構成のためのデータ改質フレームワークを提案する。
まず,自己教師付き手法と教師付き手法のパフォーマンスギャップの原因を解析する。
そして、このデータバイアスを低減するために、効果的な自己教師付きトレーニングデータ精錬法を設計する。
論文 参考訳(メタデータ) (2022-11-24T06:57:16Z) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳(メタデータ) (2022-09-15T03:58:30Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳(メタデータ) (2022-04-01T22:48:08Z) - A Long Short-term Memory Based Recurrent Neural Network for
Interventional MRI Reconstruction [50.1787181309337]
本稿では,畳み込み長短期記憶(Conv-LSTM)に基づくリカレントニューラルネットワーク(Recurrent Neural Network, RNN)を提案する。
提案アルゴリズムは,DBSのリアルタイムi-MRIを実現する可能性があり,汎用的なMR誘導介入に使用できる。
論文 参考訳(メタデータ) (2022-03-28T14:03:45Z) - SKM-TEA: A Dataset for Accelerated MRI Reconstruction with Dense Image
Labels for Quantitative Clinical Evaluation [5.37260403457093]
定量的膝関節MRI(qMRI)画像の収集であるMulti-Task Evaluationデータセットを用いて,Stanford Knee MRIを提案する。
このデータセットは、匿名患者MRIスキャンの25,000スライス(155例)の生データ測定から成り立っている。
我々は、画像再構成や高密度画像ラベルとともに、MRI再構成、セグメンテーション、検出技術から抽出されたqMRIバイオマーカー推定の品質を測定するために、qMRIパラメータマップを使用するためのフレームワークを提供する。
論文 参考訳(メタデータ) (2022-03-14T02:40:40Z) - Edge-Enhanced Dual Discriminator Generative Adversarial Network for Fast
MRI with Parallel Imaging Using Multi-view Information [10.616409735438756]
高速なマルチチャンネルMRI再構成のための並列画像結合型二重判別器生成対向ネットワーク(PIDD-GAN)を提案する。
1つの判別器は全体像再構成に使用され、もう1つはエッジ情報の強化に責任がある。
以上の結果から,PIDD-GANは良質なMR画像と良好な保存エッジ情報を提供することがわかった。
論文 参考訳(メタデータ) (2021-12-10T10:49:26Z) - Reference-based Magnetic Resonance Image Reconstruction Using Texture
Transforme [86.6394254676369]
高速MRI再構成のための新しいテクスチャトランスフォーマーモジュール(TTM)を提案する。
変換器のクエリやキーとしてアンダーサンプルのデータと参照データを定式化する。
提案したTTMは、MRIの再構成手法に積み重ねることで、その性能をさらに向上させることができる。
論文 参考訳(メタデータ) (2021-11-18T03:06:25Z) - fastMRI+: Clinical Pathology Annotations for Knee and Brain Fully
Sampled Multi-Coil MRI Data [4.198836939188265]
この研究は16154のサブスペシャリストの専門家によるボックスアノテーションと、FastMRI膝データセット上の22の異なる病理カテゴリの13のレベルラベルで構成されている。
fastMRI+データセットはオープンアクセスであり、MRI再建以降の医療画像のさらなる研究と進歩を支援することを目的としている。
論文 参考訳(メタデータ) (2021-09-08T17:58:31Z) - Multi-Coil MRI Reconstruction Challenge -- Assessing Brain MRI
Reconstruction Models and their Generalizability to Varying Coil
Configurations [40.263770807921524]
深層学習に基づく脳磁気共鳴画像(MRI)再構成法は、MRI取得プロセスを加速する可能性がある。
マルチコイル磁気共鳴画像(MC-MRI)再構成チャレンジは、これらの問題に対処するためのベンチマークを提供する。
本稿では,この課題を実験的に考察し,脳MRI再建モデルのベースラインと状態のセットの結果を要約する。
論文 参考訳(メタデータ) (2020-11-10T04:11:48Z)
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。