論文の概要: DEMIST: A deep-learning-based task-specific denoising approach for
myocardial perfusion SPECT
- arxiv url: http://arxiv.org/abs/2306.04249v1
- Date: Wed, 7 Jun 2023 08:40:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 15:29:32.890202
- Title: DEMIST: A deep-learning-based task-specific denoising approach for
myocardial perfusion SPECT
- Title（参考訳）: DEMIST : 深層学習に基づく心筋灌流SPECTのためのタスク特異的 denoising アプローチ
- Authors: Md Ashequr Rahman, Zitong Yu, Craig K. Abbey, Barry A. Siegel, Abhinav
K. Jha
- Abstract要約: 本稿では,MPI SPECT画像(DEMIST)の特定タスク固有のDLベースアプローチを提案する。
DEMISTはノイズ特性を改善しながら検出タスク固有の特徴を保ち、観測性能が向上する。
その結果,MPI SPECTで低位像を呈示するためのDEMISTのさらなる臨床評価が得られた。
- 参考スコア（独自算出の注目度）: 15.799664909714856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is an important need for methods to reduce radiation dose and imaging
time in myocardial perfusion imaging (MPI) SPECT. Deep learning (DL) methods
have demonstrated promise in predicting normal-count images from low-count
images for MPI SPECT, but the methods that have been objectively evaluated on
the clinical task of detecting perfusion defects have not shown improved
performance compared with low-count images. To address this need, we build upon
concepts from model-observer theory and our understanding of the human visual
system to propose a Detection task-specific DL-based approach for denoising MPI
SPECT images (DEMIST). The approach, while performing denoising, is designed to
preserve features that are known to impact observer performance on detection
tasks. We objectively evaluated the proposed method on the task of detecting
perfusion defects using a retrospective study with anonymized clinical data in
patients who underwent MPI studies (N = 338). Performance on the task of
detecting perfusion defects was quantified with an anthropomorphic channelized
Hotelling observer. Images denoised with DEMIST yielded significantly improved
detection performance compared to the corresponding low-dose images and images
denoised with a commonly used task-agnostic DL-based denoising method. Similar
results were observed with stratified analysis based on patient sex and defect
type. Additionally, the proposed method significantly improved performance
compared to the low-dose images in terms of the task-agnostic metrics of root
mean squared error and structural similarity index metric. A mathematical
analysis reveals that DEMIST preserves detection-task-specific features while
improving the noise properties, thus resulting in improved observer
performance. The results provide strong evidence for further clinical
evaluation of DEMIST to denoise low-count images in MPI SPECT.
- Abstract（参考訳）: 心筋灌流画像(MPI)SPECTでは,放射線線量と画像撮影時間を短縮する方法が重要である。
深層学習法 (dl) は, ローカウント画像からの正常値画像の予測に有望であるが, 灌流欠陥の検出を客観的に評価した手法は, ローカウント画像と比較して性能が向上していない。
そこで本研究では,MPI SPECT画像(DEMIST)の検出タスク固有のDLベースアプローチを提案するために,モデル・オブザーバ理論と人間の視覚システムを理解することによる概念を構築した。
このアプローチは、ディノイジングを実行しながら、検出タスクにおけるオブザーバのパフォーマンスに影響を与えることが知られている特徴を保存するように設計されている。
MPIを施行した患者 (N=338) に対して, 匿名化臨床データを用いた再検討を行い, 灌流障害検出の課題について客観的に検討した。
人為的チャネル化Hotellingオブザーバを用いて, 灌流欠陥検出タスクの性能を定量化した。
DEMISTで認識された画像は、対応する低線量画像や、一般的に使われているタスク非依存のDLベースの画像と比較して、検出性能が有意に向上した。
同様の結果は, 性差と欠陥タイプに基づく成層分析で観察された。
さらに,提案手法は,ルート平均二乗誤差と構造類似度指標のタスク非依存指標において,低用量画像と比較して有意に性能が向上した。
数学的解析により、DEMISTはノイズ特性を改善しながら検出タスク固有の特徴を保ち、観測性能が向上することが明らかとなった。
以上の結果から,MPI SPECTで低位像を呈示するDEMISTのさらなる臨床評価が示唆された。
関連論文リスト
- Unsupervised Training of a Dynamic Context-Aware Deep Denoising Framework for Low-Dose Fluoroscopic Imaging [6.130738760059542]
フルオロスコープは医用画像におけるリアルタイムX線可視化に重要である。
低線量画像はノイズによって損なわれ、診断精度に影響を及ぼす可能性がある。
蛍光画像系列を動的に認識する教師なし学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T13:39:31Z) - Rotational Augmented Noise2Inverse for Low-dose Computed Tomography
Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。
畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。
数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文 参考訳（メタデータ） (2023-12-19T22:40:51Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Need for Objective Task-based Evaluation of Deep Learning-Based
Denoising Methods: A Study in the Context of Myocardial Perfusion SPECT [11.559405600109415]
本研究は,FoMsによる評価が客観的な臨床的タスクに基づく評価と一致しているかどうかを検討する。
DL-based denoising(DL-based denoising)の効果をFoMsとAUCを用いて評価した。
その結果,DLに基づく認知的アプローチの客観的なタスクベース評価の必要性が示唆された。
論文 参考訳（メタデータ） (2023-03-03T17:51:08Z) - A task-specific deep-learning-based denoising approach for myocardial
perfusion SPECT [15.07522345889704]
本稿では,検出タスクの観測者関連情報を保存するために,DLに基づくデノベーション手法を提案する。
提案手法は,低線量画像を用いた場合と比較して,検出タスクの性能が向上することを示す。
論文 参考訳（メタデータ） (2023-03-01T03:33:12Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Lesion-Inspired Denoising Network: Connecting Medical Image Denoising
and Lesion Detection [6.170271503640482]
LIDnet(Lesion-Inspired Denoising Network)を提案し、デノイジング性能と病変検出精度を向上させます。
実験により, LIDnetを装着することにより, ベースライン法におけるノイズ検出と病変検出の両性能を著しく向上できることが示された。
論文 参考訳（メタデータ） (2021-04-18T12:53:36Z) - 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) - Self-supervised Dynamic CT Perfusion Image Denoising with Deep Neural
Networks [6.167259271197635]
ダイナミックCT(Dynamic Computed Tomography, CTP)は急性期脳梗塞の診断と評価に有望なアプローチである。
脳小葉の血行動態のパラメトリックマップは、脳内のヨウ素化コントラストの第1パスのCTスキャンから算出される。
診断の信頼性を高めるためには, 画像診断が必要であり, 繰り返しスキャンによる高放射線曝露により, 日常的用途の灌流量を削減する必要がある。
論文 参考訳（メタデータ） (2020-05-19T21:44:07Z) - Residual-driven Fuzzy C-Means Clustering for Image Segmentation [152.609322951917]
画像分割のための残留駆動型ファジィC平均(FCM)について詳述する。
この枠組みに基づいて,混合雑音分布の重み付けによる重み付き$ell_2$-norm忠実度項を示す。
その結果、既存のFCM関連アルゴリズムよりも提案アルゴリズムの有効性と効率が優れていることが示された。
論文 参考訳（メタデータ） (2020-04-15T15:46:09Z)
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。