論文の概要: Mask-guided Data Augmentation for Multiparametric MRI Generation with a
Rare Hepatocellular Carcinoma
- arxiv url: http://arxiv.org/abs/2307.16314v1
- Date: Sun, 30 Jul 2023 20:41:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-01 16:28:21.379509
- Title: Mask-guided Data Augmentation for Multiparametric MRI Generation with a
Rare Hepatocellular Carcinoma
- Title（参考訳）: 稀な肝細胞癌を伴うマルチパラメトリックMRIのマスク誘導データ拡張
- Authors: Karen Sanchez, Carlos Hinojosa, Kevin Arias, Henry Arguello, Denis
Kouame, Olivier Meyrignac, and Adrian Basarab
- Abstract要約: 本稿では,合成マルチパラメトリック(T1動脈,T1門,T2)磁気共鳴画像を生成する新しいデータ拡張アーキテクチャを提案する。
提案アーキテクチャは、合成データ作成のためにPix2Pixネットワークで入力として使用される肝腫瘍マスクと腹部縁を作成する。
この方法の効率性は、肝臓病変を持つ19ドルの患者から、MRI三肢の限られたマルチパラメトリックデータセットでトレーニングすることで実証される。
- 参考スコア（独自算出の注目度）: 16.49049168679945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data augmentation is classically used to improve the overall performance of
deep learning models. It is, however, challenging in the case of medical
applications, and in particular for multiparametric datasets. For example,
traditional geometric transformations used in several applications to generate
synthetic images can modify in a non-realistic manner the patients' anatomy.
Therefore, dedicated image generation techniques are necessary in the medical
field to, for example, mimic a given pathology realistically. This paper
introduces a new data augmentation architecture that generates synthetic
multiparametric (T1 arterial, T1 portal, and T2) magnetic resonance images
(MRI) of massive macrotrabecular subtype hepatocellular carcinoma with their
corresponding tumor masks through a generative deep learning approach. The
proposed architecture creates liver tumor masks and abdominal edges used as
input in a Pix2Pix network for synthetic data creation. The method's efficiency
is demonstrated by training it on a limited multiparametric dataset of MRI
triplets from $89$ patients with liver lesions to generate $1,000$ synthetic
triplets and their corresponding liver tumor masks. The resulting Frechet
Inception Distance score was $86.55$. The proposed approach was among the
winners of the 2021 data augmentation challenge organized by the French Society
of Radiology.
- Abstract（参考訳）: データ拡張は、古典的にディープラーニングモデル全体のパフォーマンスを改善するために使用される。
しかし、医学的応用、特にマルチパラメトリックデータセットでは困難である。
例えば、合成画像を生成するためにいくつかのアプリケーションで使われる伝統的な幾何学的変換は、患者の解剖学を非現実的な方法で修正することができる。
そのため、医療分野では、例えば、与えられた病理を現実的に模倣するために、専用の画像生成技術が必要である。
本稿では,巨大肝細胞癌に対するt1動脈,t1ポータル,t2)磁気共鳴画像(mri)の合成と,それに対応する腫瘍マスクを生成的深層学習により生成する新しいデータ拡張アーキテクチャを提案する。
提案アーキテクチャは、合成データ作成のためにPix2Pixネットワークで入力として使用される肝腫瘍マスクと腹部縁を作成する。
この方法の効率は、肝病変患者890ドルのmriトリプレットの限られたマルチパラメトリックデータセットでトレーニングし、1,000ドルの合成トリプレットとその対応する肝腫瘍マスクを生成することで実証される。
その結果、frechetインセプション距離スコアは86.55$であった。
提案されたアプローチは、2021年にフランス放射線学会が主催したデータ拡張チャレンジの勝者となった。
関連論文リスト
- 3D MRI Synthesis with Slice-Based Latent Diffusion Models: Improving Tumor Segmentation Tasks in Data-Scarce Regimes [2.8498944632323755]
本稿では,ボリュームデータ生成の複雑さに対処するスライスに基づく遅延拡散アーキテクチャを提案する。
この手法は,医療用画像と関連するマスクの同時分布モデルを拡張し,データスカース体制下での同時生成を可能にする。
構造は, 大きさ, 形状, 相対位置などの腫瘍特性によって調節できるため, 腫瘍の多様性は様々である。
論文 参考訳（メタデータ） (2024-06-08T09:53:45Z) - Synthetic Brain Images: Bridging the Gap in Brain Mapping With Generative Adversarial Model [0.0]
本研究では,高忠実かつ現実的なMRI画像スライス作成にDeep Convolutional Generative Adversarial Networks (DCGAN) を用いることを検討した。
判別器ネットワークは、生成されたスライスと実際のスライスを区別するが、ジェネレータネットワークは、現実的なMRI画像スライスを合成することを学ぶ。
ジェネレータは、敵のトレーニングアプローチを通じて、実際のMRIデータを忠実に模倣するスライスを生成する能力を向上させる。
論文 参考訳（メタデータ） (2024-04-11T05:06:51Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - 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) - Generating 3D Brain Tumor Regions in MRI using Vector-Quantization
Generative Adversarial Networks [5.380977479547755]
本稿では、ベクトル量子化GANとマスクトークンモデリングを取り入れたトランスフォーマーを用いて、高分解能で多様な3次元脳腫瘍ROIを生成する新しいフレームワークを提案する。
提案手法は,MRIでまれな脳腫瘍の正確な診断を容易にする可能性がある。
論文 参考訳（メタデータ） (2023-10-02T14:39:10Z) - Integrative Imaging Informatics for Cancer Research: Workflow Automation
for Neuro-oncology (I3CR-WANO) [0.12175619840081271]
我々は,多系列ニューロオンコロジーMRIデータの集約と処理のための人工知能ベースのソリューションを提案する。
エンド・ツー・エンドのフレームワーク i) アンサンブル分類器を用いてMRIの配列を分類し, i) 再現可能な方法でデータを前処理し, iv) 腫瘍組織サブタイプを規定する。
欠落したシーケンスに対して堅牢であり、専門的なループアプローチを採用しており、セグメンテーションの結果は放射線学者によって手動で洗練される可能性がある。
論文 参考訳（メタデータ） (2022-10-06T18:23:42Z) - SAG-GAN: Semi-Supervised Attention-Guided GANs for Data Augmentation on
Medical Images [47.35184075381965]
本稿では,GAN(Cycle-Consistency Generative Adversarial Networks)を用いた医用画像生成のためのデータ拡張手法を提案する。
提案モデルでは,正常画像から腫瘍画像を生成することができ,腫瘍画像から正常画像を生成することもできる。
本研究では,従来のデータ拡張手法と合成画像を用いた分類モデルを用いて,実画像を用いた分類モデルを訓練する。
論文 参考訳（メタデータ） (2020-11-15T14:01:24Z) - Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic
and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。
モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。
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） (2020-08-06T20:20:22Z) - 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) - Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain
MRI [47.26574993639482]
本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。
ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
論文 参考訳（メタデータ） (2020-06-23T09:20:42Z)
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。