Fugu-MT 論文翻訳(概要): Accelerated, physics-inspired inference of skeletal muscle microstructure from diffusion-weighted MRI

論文の概要: Accelerated, physics-inspired inference of skeletal muscle microstructure from diffusion-weighted MRI

arxiv url: http://arxiv.org/abs/2306.11125v1
Date: Mon, 19 Jun 2023 19:01:04 GMT
ステータス: 処理完了
システム内更新日: 2023-06-21 16:28:28.143697
Title: Accelerated, physics-inspired inference of skeletal muscle microstructure from diffusion-weighted MRI
Title（参考訳）: 拡散強調MRIによる骨格筋微細構造の加速、物理刺激による推測
Authors: Noel Naughton, Stacey Cahoon, Brad Sutton, and John G. Georgiadis
Abstract要約: 骨格筋の健康状態の現在の測定は、筋肉機能の仲介において重要な役割を担っている筋肉の微細構造の変化を限定的に考慮している。骨格筋の組織構造の非侵襲的および生体内評価のための,物理に着想を得た機械学習ベースのフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Muscle health is a critical component of overall health and quality of life. However, current measures of skeletal muscle health take limited account of microstructural variations within muscle, which play a crucial role in mediating muscle function. To address this, we present a physics-inspired, machine learning-based framework for the non-invasive and in vivo estimation of microstructural organization in skeletal muscle from diffusion-weighted MRI (dMRI). To reduce the computational expense associated with direct numerical simulations of dMRI physics, a polynomial meta-model is developed that accurately represents the input/output relationships of a high-fidelity numerical model. This meta-model is used to develop a Gaussian process (GP) model to provide voxel-wise estimates and confidence intervals of microstructure organization in skeletal muscle. Given noise-free data, the GP model accurately estimates microstructural parameters. In the presence of noise, the diameter, intracellular diffusion coefficient, and membrane permeability are accurately estimated with narrow confidence intervals, while volume fraction and extracellular diffusion coefficient are poorly estimated and exhibit wide confidence intervals. A reduced-acquisition GP model, consisting of one-third the diffusion-encoding measurements, is shown to predict parameters with similar accuracy to the original model. The fiber diameter and volume fraction estimated by the reduced GP model is validated via histology, with both parameters within their associated confidence intervals, demonstrating the capability of the proposed framework as a promising non-invasive tool for assessing skeletal muscle health and function.
Abstract（参考訳）: 筋の健康は全体の健康と生活の質にとって重要な要素である。しかし、現在の骨格筋の健康対策は、筋肉機能の仲介に重要な役割を果たす筋肉の微細構造の変化を限定的に考慮している。そこで本研究では,拡散強調MRI(dMRI)を用いた骨格筋の非侵襲的および生体内組織推定のための,物理に着想を得た機械学習ベースのフレームワークを提案する。 dmri物理の直接数値シミュレーションに伴う計算コストを低減するため、高忠実度数値モデルの入出力関係を正確に表現する多項式メタモデルを開発した。このメタモデルは、骨格筋の組織構造のボクセルワイズ推定と信頼区間を提供するガウス過程(gp)モデルの開発に使用される。ノイズのないデータを考えると、GPモデルは正確にミクロ構造パラメータを推定する。ノイズの存在下では, 粒径, 細胞内拡散係数, 膜透過率を細かな信頼区間で正確に推定し, 体積率, 細胞外拡散係数を低く推定し, 広い信頼区間を示す。拡散符号化測定の3分の1からなる減算GPモデルは、元のモデルと同じような精度でパラメータを予測する。縮小GPモデルにより推定される繊維径と体積率を組織学的に検証し、両者のパラメータを関連信頼区間内に配置し、骨格筋の健康と機能を評価するための有望な非侵襲的ツールとしての枠組みの有効性を示す。

関連論文リスト

MRI Parameter Mapping via Gaussian Mixture VAE: Breaking the Assumption of Independent Pixels [3.720246718519987]
我々はMRIにおける定量的パラメータマッピングの新しいパラダイムを導入し、実証する。独立画素の仮定を破る自己教師型深部変分法を提案する。そこで本手法は,dMRIやqMRIなどのパラメータマッピング手法の臨床応用を支援することができる。
論文参考訳（メタデータ） (2024-11-16T11:11:36Z)
TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文参考訳（メタデータ） (2024-11-05T19:35:10Z)
Mesh-Informed Reduced Order Models for Aneurysm Rupture Risk Prediction [0.0]
グラフニューラルネットワーク(GNN)は、有限体積(FV)離散化によって得られるメッシュの自然なグラフ構造を利用する。実験的な検証フレームワークは有望な結果をもたらし,その方法が次元の呪いを克服する有効な代替手段であることを確認した。
論文参考訳（メタデータ） (2024-10-04T09:39:15Z)
qMRI Diffuser: Quantitative T1 Mapping of the Brain using a Denoising Diffusion Probabilistic Model [1.1278063431495107]
定量的MRI(qMRI)は、組織特性に関連する客観的パラメータを提供することにより、重み付け画像よりも大きな利点を提供する。深層学習に基づく手法は、一連の重み付き画像から定量的マップを推定する効果を実証している。深部生成モデルを用いたqMRIの新しい手法であるqMRIディフューザを提案する。
論文参考訳（メタデータ） (2024-07-23T13:49:19Z)
A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文参考訳（メタデータ） (2024-05-13T17:49:20Z)
MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文参考訳（メタデータ） (2024-04-16T02:18:18Z)
Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文参考訳（メタデータ） (2023-07-26T02:34:57Z)
Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文参考訳（メタデータ） (2022-08-22T22:01:44Z)
Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文参考訳（メタデータ） (2021-11-15T09:08:27Z)
Physics-informed neural networks for myocardial perfusion MRI quantification [3.318100528966778]
本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。 PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
論文参考訳（メタデータ） (2020-11-25T16:02:52Z)
Introducing Anisotropic Minkowski Functionals for Local Structure Analysis and Prediction of Biomechanical Strength of Proximal Femur Specimens [0.0]
骨粗しょう症や外傷による骨の脆さや骨折は、50歳以上の成人に多く見られ、生活の質を低下させる。本研究では,MDCT画像から大腿骨近位部標本の骨強度を推定する新しい手法を提案する。
論文参考訳（メタデータ） (2020-04-02T14:33:03Z)

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。