論文の概要: Simulation of Arbitrary Level Contrast Dose in MRI Using an Iterative Global Transformer Model

• arxiv url: http://arxiv.org/abs/2307.11980v1
• Date: Sat, 22 Jul 2023 04:44:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 18:38:38.840431
• Title: Simulation of Arbitrary Level Contrast Dose in MRI Using an Iterative Global Transformer Model
• Title（参考訳）: 反復的グローバルトランスモデルを用いたMRIにおける任意レベルコントラスト線量のシミュレーション
• Authors: Dayang Wang, Srivathsa Pasumarthi, Greg Zaharchuk, Ryan Chamberlain
• Abstract要約: 深層学習(DL)によるMRI画像の造影線量減少と除去が推進されている。 しかし、これらのアルゴリズムは高品質な低線量データセットが利用可能であることによって制限されている。 本研究では,任意のコントラスト強調による画像合成において,新しい変換器(Gformer)に基づく反復的モデリング手法を定式化する。
• 参考スコア（独自算出の注目度）: 0.7269343652807762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning (DL) based contrast dose reduction and elimination in MRI imaging is gaining traction, given the detrimental effects of Gadolinium-based Contrast Agents (GBCAs). These DL algorithms are however limited by the availability of high quality low dose datasets. Additionally, different types of GBCAs and pathologies require different dose levels for the DL algorithms to work reliably. In this work, we formulate a novel transformer (Gformer) based iterative modelling approach for the synthesis of images with arbitrary contrast enhancement that corresponds to different dose levels. The proposed Gformer incorporates a sub-sampling based attention mechanism and a rotational shift module that captures the various contrast related features. Quantitative evaluation indicates that the proposed model performs better than other state-of-the-art methods. We further perform quantitative evaluation on downstream tasks such as dose reduction and tumor segmentation to demonstrate the clinical utility.
• Abstract（参考訳）: ガドリニウム系造影剤(GBCA)の除草効果を考えると,MRI画像における深層学習(DL)によるコントラスト線量減少と除去が牽引されている。 しかし、これらのDLアルゴリズムは高品質な低線量データセットの可用性によって制限されている。 さらに、GBCAと病理の異なるタイプは、DLアルゴリズムが確実に機能するために異なる線量レベルを必要とする。 本研究では, 異なる線量レベルに対応する任意のコントラスト強調値を持つ画像合成のための, 新たなトランスフォーマー(gformer)に基づく反復モデリング手法を提案する。 提案したGformerにはサブサンプリングに基づくアテンション機構と,様々なコントラストの特徴を捉える回転シフトモジュールが組み込まれている。 定量的評価は,提案手法が他の最先端手法よりも優れた性能を示す。 さらに, 線量削減や腫瘍分画などの下流課題の定量的評価を行い, 臨床的有用性を示す。

関連論文リスト

• CAVM: Conditional Autoregressive Vision Model for Contrast-Enhanced Brain Tumor MRI Synthesis [3.3966430276631208]
  条件付き自己回帰視覚モデルはコントラスト強調脳腫瘍MRIの合成を改善する。 深層学習法は、非コントラスト画像から仮想コントラスト強調MRIスキャンを合成するために応用されている。 自然言語処理における段階的用量増加とChain-of-Thoughtアプローチの類似性から着想を得たCAVMは、自己回帰戦略を使用する。
  論文  参考訳（メタデータ） (2024-06-23T10:50:22Z)
• 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)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based Hierarchical Fusion Network with Attention Mechanism [15.453470023481932]
  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。
  論文  参考訳（メタデータ） (2023-07-03T09:46:12Z)
• 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)
• 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)
• An Attentive-based Generative Model for Medical Image Synthesis [18.94900480135376]
  注意に基づく二重コントラスト生成モデルであるADC-cycleGANを提案する。 このモデルは、二重コントラスト損失項とCycleGAN損失を統合し、合成された画像がソース領域と区別可能であることを保証する。 実験により,提案したADCサイクルGANモデルが,他の最先端生成モデルに匹敵するサンプルを生成することが示された。
  論文  参考訳（メタデータ） (2023-06-02T14:17:37Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• 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)

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。