論文の概要: Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based
Hierarchical Fusion Network with Attention Mechanism
- arxiv url: http://arxiv.org/abs/2307.00895v1
- Date: Mon, 3 Jul 2023 09:46:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 13:39:58.914411
- Title: Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based
Hierarchical Fusion Network with Attention Mechanism
- Title(参考訳): 多値DWIを用いた階層型核融合ネットワークを用いたコントラスト強調乳房MRIの合成
- Authors: Tianyu Zhang, Luyi Han, Anna D'Angelo, Xin Wang, Yuan Gao, Chunyao Lu,
Jonas Teuwen, Regina Beets-Tan, Tao Tan, Ritse Mann
- Abstract要約: 造影MRI(CE-MRI)は腫瘍と浸潤した健全な組織との鑑別に優れる。
CE-MRIを得るためにガドリニウムベースの造影剤(GBCA)を使用することは、ネフローゼ性全身線維症と関連し、脳内での生体蓄積を引き起こす可能性がある。
造影剤の使用を減らすため,拡散強調画像(DWI)が重要画像技術として出現している。
- 参考スコア(独自算出の注目度): 15.453470023481932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Magnetic resonance imaging (MRI) is the most sensitive technique for breast
cancer detection among current clinical imaging modalities. Contrast-enhanced
MRI (CE-MRI) provides superior differentiation between tumors and invaded
healthy tissue, and has become an indispensable technique in the detection and
evaluation of cancer. However, the use of gadolinium-based contrast agents
(GBCA) to obtain CE-MRI may be associated with nephrogenic systemic fibrosis
and may lead to bioaccumulation in the brain, posing a potential risk to human
health. Moreover, and likely more important, the use of gadolinium-based
contrast agents requires the cannulation of a vein, and the injection of the
contrast media which is cumbersome and places a burden on the patient. To
reduce the use of contrast agents, diffusion-weighted imaging (DWI) is emerging
as a key imaging technique, although currently usually complementing breast
CE-MRI. In this study, we develop a multi-sequence fusion network to synthesize
CE-MRI based on T1-weighted MRI and DWIs. DWIs with different b-values are
fused to efficiently utilize the difference features of DWIs. Rather than
proposing a pure data-driven approach, we invent a multi-sequence attention
module to obtain refined feature maps, and leverage hierarchical representation
information fused at different scales while utilizing the contributions from
different sequences from a model-driven approach by introducing the weighted
difference module. The results show that the multi-b-value DWI-based fusion
model can potentially be used to synthesize CE-MRI, thus theoretically reducing
or avoiding the use of GBCA, thereby minimizing the burden to patients. Our
code is available at
\url{https://github.com/Netherlands-Cancer-Institute/CE-MRI}.
- Abstract(参考訳): mri (mri) は, 乳がん検診において, 画像診断において最も感度の高い画像診断法である。
造影MRI(CE-MRI)は腫瘍と浸潤した健康組織との鑑別に優れており,癌の検出と評価に欠かせない技術となっている。
しかし、CE-MRIを得るためにガドリニウム系造影剤(GBCA)を使用することは、ネフローゼ性全身線維症と関連し、脳内での生体蓄積を引き起こす可能性があり、ヒトの健康に危険をもたらす可能性がある。
さらに、ガドリニウムをベースとしたコントラスト剤の使用には、静脈の冠状化と、患者に負担がかかるコントラスト媒体の注入が必要である。
造影剤の使用を減らすため、拡散強調画像(DWI)が重要なイメージング技術として登場しているが、現在は胸部CE-MRIを補完している。
本研究では,T1強調MRIとDWIに基づいてCE-MRIを合成するマルチシーケンス融合ネットワークを開発した。
異なるb値のDWIを融合させてDWIの差分特性を効率的に活用する。
純粋なデータ駆動アプローチを提案するのではなく、改良された特徴マップを得るためのマルチシーケンスアテンションモジュールを発明し、重み付き差分モジュールを導入することで、モデル駆動アプローチから異なるシーケンスからのコントリビューションを活用しながら、異なるスケールで融合した階層表現情報を活用する。
その結果,多値DWI融合モデルを用いてCE-MRIを合成し,GBCAの使用を理論的に低減・回避し,患者への負担を最小限に抑えることができた。
我々のコードは \url{https://github.com/Netherlands-Cancer-Institute/CE-MRI} で入手できる。
関連論文リスト
- AAD-DCE: An Aggregated Multimodal Attention Mechanism for Early and Late Dynamic Contrast Enhanced Prostate MRI Synthesis [1.5006735009336045]
DCE-MRIはガドリニウム系コントラスト剤(Gad)を投与する。
DCE-MR画像を合成する従来のディープラーニングアプローチでは、解剖学における局所的な灌流情報に焦点をあてていない非造影または低用量造影MRI画像が採用されている。
本稿では,グローバルおよびローカルな識別器からなるアグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリケーション・アグリゲーション・アグリケーション・アグリケーション・アグリケーション・アグリケーション・アグリケーション・アグリケーション・ア・アグリゲーション・ア・ア・ア・ア・ア・
論文 参考訳(メタデータ) (2025-02-04T18:28:25Z) - Simulating Dynamic Tumor Contrast Enhancement in Breast MRI using Conditional Generative Adversarial Networks [2.4634168876565177]
乳房MRIにおける仮想コントラスト強調法を提案し,従来のコントラストエージェントを用いたDCE-MRIの取得に代えて,有望な非侵襲的代替手段を提供する。
条件付き生成逆数ネットワークを用いて、複数の対応するDCE-MRIタイムポイントの合同生成シーケンスを含むDCE-MRI画像を予測する。
提案手法は,現実的で有用なDCE-MRIシークエンスを生成する上で有望な結果を示し,乳がんの診断と治療を改善するための仮想コントラスト増強の可能性を強調した。
論文 参考訳(メタデータ) (2024-09-27T16:08:52Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳(メタデータ) (2024-03-27T02:42:52Z) - Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。
以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
論文 参考訳(メタデータ) (2024-03-20T18:01:57Z) - Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation [0.9722528000969453]
本研究は, GAN(Generative Adversarial Network)を用いて, コントラスト前T1強調脂肪飽和乳房MRIを対応する第1DCE-MRIシーケンスに翻訳することにより, 合成コントラスト増強の実現可能性について検討した。
定量的な画像品質指標を用いて生成したDCE-MRIデータを評価し、3D乳房切片の下流タスクに適用する。
以上の結果から, 造影後DCE-MRI合成が乳房のセグメンテーションモデルの堅牢性向上に寄与する可能性が示唆された。
論文 参考訳(メタデータ) (2023-11-17T21:48:41Z) - Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with
Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。
提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文 参考訳(メタデータ) (2023-10-31T16:39:56Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳(メタデータ) (2023-10-16T13:58:53Z) - Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using
Noise-preserving Conditional GANs [102.47542231659521]
ガドリニウム系造影剤(GBCA)は様々な疾患の診断にMRIにおいて不可欠である。
GBCAは高価であり、副作用のある患者に蓄積される可能性がある。
診断値を維持しながらGBCAの投与量をどの程度削減できるかは不明確である。
論文 参考訳(メタデータ) (2023-06-26T13:19:37Z) - 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) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2020-06-26T02:50:09Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳(メタデータ) (2020-02-25T14:48:17Z)
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。