Fugu-MT 論文翻訳(概要): Domain-agnostic segmentation of thalamic nuclei from joint structural and diffusion MRI

論文の概要: Domain-agnostic segmentation of thalamic nuclei from joint structural and diffusion MRI

arxiv url: http://arxiv.org/abs/2305.03413v1
Date: Fri, 5 May 2023 10:26:50 GMT
ステータス: 処理完了
システム内更新日: 2023-05-08 14:31:18.788657
Title: Domain-agnostic segmentation of thalamic nuclei from joint structural and diffusion MRI
Title（参考訳）: 関節構造と拡散MRIによる視床核の領域依存性セグメンテーション
Authors: Henry F. J. Tregidgo, Sonja Soskic, Mark D. Olchanyi, Juri Althonayan, Benjamin Billot, Chiara Maffei, Polina Golland, Anastasia Yendiki, Daniel C. Alexander, Martina Bocchetta, Jonathan D. Rohrer, and Juan Eugenio Iglesias
Abstract要約: 視床核をT1から切り離すことができる最初のCNNと、リトレーニングや微調整なしに任意の解像度の拡散データを提示する。我々のCNNは、入力の解像度に関係なく、0.7mm等方分解能のセグメンテーションを生成する。
参考スコア（独自算出の注目度）: 4.74939378804588
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The human thalamus is a highly connected subcortical grey-matter structure within the brain. It comprises dozens of nuclei with different function and connectivity, which are affected differently by disease. For this reason, there is growing interest in studying the thalamic nuclei in vivo with MRI. Tools are available to segment the thalamus from 1 mm T1 scans, but the contrast of the lateral and internal boundaries is too faint to produce reliable segmentations. Some tools have attempted to incorporate information from diffusion MRI in the segmentation to refine these boundaries, but do not generalise well across diffusion MRI acquisitions. Here we present the first CNN that can segment thalamic nuclei from T1 and diffusion data of any resolution without retraining or fine tuning. Our method builds on a public histological atlas of the thalamic nuclei and silver standard segmentations on high-quality diffusion data obtained with a recent Bayesian adaptive segmentation tool. We combine these with an approximate degradation model for fast domain randomisation during training. Our CNN produces a segmentation at 0.7 mm isotropic resolution, irrespective of the resolution of the input. Moreover, it uses a parsimonious model of the diffusion signal at each voxel (fractional anisotropy and principal eigenvector) that is compatible with virtually any set of directions and b-values, including huge amounts of legacy data. We show results of our proposed method on three heterogeneous datasets acquired on dozens of different scanners. An implementation of the method is publicly available at https://freesurfer.net/fswiki/ThalamicNucleiDTI.
Abstract（参考訳）: ヒトの視床は脳内で高度に結合した皮質下灰白質構造である。機能と接続性の異なる数十の核から構成されており、疾患によって異なる影響を受ける。そのため、in vivoでのMRIによる視床核の研究への関心が高まっている。視床を1mmのT1スキャンから切り離すためのツールもあるが、外側と内側の境界のコントラストは弱く、信頼できるセグメンテーションを生成する。拡散MRIからの情報をセグメント化に組み込んでこれらの境界を洗練させようとするツールもあるが、拡散MRIの取得ではうまく一般化しない。本稿では,t1から視床核をセグメンテーションできる最初のcnnと,再訓練や微調整を行わずに任意の解像度の拡散データを示す。本手法は,最近のベイズ適応セグメンテーションツールを用いて得られた高品質拡散データに基づいて,視床核と銀標準セグメンテーションの公衆組織学的アトラスを構築した。これらを,訓練中の高速領域ランダム化のための近似分解モデルと組み合わせる。我々のCNNは入力の解像度に関係なく0.7mm等方分解能のセグメンテーションを生成する。さらに、各ボクセル(フラクショナル異方性および主固有ベクトル)における拡散信号の擬似モデルを用いて、膨大なレガシデータを含む任意の方向とb値の組と互換性がある。多数の異なるスキャナー上で得られた3つの異種データセットに対して提案手法の結果を示す。このメソッドの実装はhttps://freesurfer.net/fswiki/ThalamicNucleiDTIで公開されている。

関連論文リスト

Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文参考訳（メタデータ） (2024-08-19T15:04:42Z)
Improved Robustness for Deep Learning-based Segmentation of Multi-Center Myocardial Perfusion MRI Datasets Using Data Adaptive Uncertainty-guided Space-time Analysis [0.24285581051793656]
灌流データセットの完全な自動解析により、患者のストレス/レスト研究の迅速かつ客観的な報告が可能になる。トレーニングデータやソフトウェアやハードウェアのバリエーションが限られているにもかかわらず、マルチセンタデータセットを分析できるディープラーニング技術は、現在進行中の課題である。提案したDAUGS分析手法は,多心応力灌流データセットのセグメンテーションのためのディープラーニング手法の堅牢性を向上させる可能性を秘めている。
論文参考訳（メタデータ） (2024-08-09T01:21:41Z)
FastSurfer-HypVINN: Automated sub-segmentation of the hypothalamus and adjacent structures on high-resolutional brain MRI [3.869627124798774]
視床下部のサブセグメンテーションのためのHypVINNという,新しい,高速で,完全自動化されたディープラーニング手法を提案する。我々は,視床下部の容積効果を再現するためのセグメンテーション精度,一般化可能性,セッション内テストの信頼性,感度に関して,我々のモデルを広範囲に検証した。
論文参考訳（メタデータ） (2023-08-24T12:26:38Z)
Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文参考訳（メタデータ） (2023-08-24T01:30:18Z)
Fourier Disentangled Multimodal Prior Knowledge Fusion for Red Nucleus Segmentation in Brain MRI [1.8596805118803879]
赤核は中脳の構造であり、パーキンソン病において重要な役割を果たす。我々は、赤核分割のための異なるコントラストからの事前知識を統合する新しいモデルを提案する。
論文参考訳（メタデータ） (2022-11-02T17:54:52Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
論文参考訳（メタデータ） (2021-05-17T10:11:45Z)
Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文参考訳（メタデータ） (2020-10-14T16:50:50Z)
Learning Anatomical Segmentations for Tractography from Diffusion MRI [0.0]
拡散強調MR画像から直接170個の解剖学的領域の高速深層学習に基づくセグメンテーションを導入する。組織型によっては0.70～0.87Diceのセグメンテーション結果が一定であった。
論文参考訳（メタデータ） (2020-09-09T16:20:02Z)
Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文参考訳（メタデータ） (2020-06-11T17:29:53Z)
Neuro4Neuro: A neural network approach for neural tract segmentation using large-scale population-based diffusion imaging [7.265739747023668]
白色物質(WM)の微細構造の変化は、正常な老化と神経変性と関連している。 Neuro4Neuroは畳み込みニューラルネットワーク(CNN)を用いた拡散画像からWMトラクションを直接抽出できるこの3次元エンド・ツー・エンド法は、大集団による研究(N=9752, 1.5T MRI)から、25WM領域の老年者へのセグメンテーションを訓練する。
論文参考訳（メタデータ） (2020-05-26T16:14:31Z)

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。