論文の概要: Cardiac MRI Orientation Recognition and Standardization using Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2308.00615v1
• Date: Mon, 31 Jul 2023 00:01:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-02 13:44:28.549313
• Title: Cardiac MRI Orientation Recognition and Standardization using Deep Neural Networks
• Title（参考訳）: ディープニューラルネットワークを用いた心臓MRI方位認識と標準化
• Authors: Ruoxuan Zhen
• Abstract要約: 本稿では,深部ニューラルネットワークを用いて心臓MRI画像の向きを分類・標準化する手法を提案する。 我々は,bSSFP,T2,LGEを含む様々なモードのCMR画像について包括的実験を行った。 検証精度は100.0%,100.0%,99.4%であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Orientation recognition and standardization play a crucial role in the effectiveness of medical image processing tasks. Deep learning-based methods have proven highly advantageous in orientation recognition and prediction tasks. In this paper, we address the challenge of imaging orientation in cardiac MRI and present a method that employs deep neural networks to categorize and standardize the orientation. To cater to multiple sequences and modalities of MRI, we propose a transfer learning strategy, enabling adaptation of our model from a single modality to diverse modalities. We conducted comprehensive experiments on CMR images from various modalities, including bSSFP, T2, and LGE. The validation accuracies achieved were 100.0\%, 100.0\%, and 99.4\%, confirming the robustness and effectiveness of our model. Our source code and network models are available at https://github.com/rxzhen/MSCMR-orient
• Abstract（参考訳）: オリエンテーション認識と標準化は、医用画像処理タスクの有効性において重要な役割を果たす。 深層学習に基づく手法は、方向認識や予測タスクにおいて非常に有利であることが証明されている。 本稿では,心臓MRIにおける画像配向の課題に対処し,深部ニューラルネットワークを用いてその配向を分類・標準化する手法を提案する。 我々は,MRIの複数のシーケンスとモーダル性に対応するために,単一のモーダルから多様なモーダルへモデルを適応させるトランスファー学習戦略を提案する。 我々は,bSSFP,T2,LGEを含む様々なモードのCMR画像に関する総合的な実験を行った。 検証精度は100.0\%,100.0\%,99.4\%であり,モデルのロバスト性と有効性を確認した。 ソースコードとネットワークモデルはhttps://github.com/rxzhen/mscmr-orientで利用可能です。

関連論文リスト

• MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
  本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。 このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。 実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
  論文  参考訳（メタデータ） (2024-05-28T00:36:25Z)
• 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)
• Multi-Objective Learning for Deformable Image Registration [0.0]
  変形可能な画像登録(DIR)は、複数の矛盾する目的を最適化する。 本稿では、最近提案されたニューラルネットワークのMOトレーニング手法と、DIRのためのよく知られたディープニューラルネットワークを組み合わせる。 骨盤核磁気共鳴画像(MRI)のDIR法について検討した。
  論文  参考訳（メタデータ） (2024-02-23T15:42:13Z)
• fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
  本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。 我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。 コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
  論文  参考訳（メタデータ） (2023-11-01T07:24:22Z)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• Orientation recognition and correction of Cardiac MRI with deep neural network [0.0]
  本稿では,心臓MRI画像の向き補正の問題について検討し,深部ニューラルネットワークによる向き認識の枠組みを提案する。 マルチモダリティMRIでは,提案したモデルを単一モダリティから多モダリティへ変換するトランスファー学習戦略を導入する。 提案するネットワークを2次元DICOMおよび3次元NIFTI画像に配向補正を実装可能な配向補正コマンドラインツールに組み込む。
  論文  参考訳（メタデータ） (2022-11-21T10:37:50Z)
• Recognition of Cardiac MRI Orientation via Deep Neural Networks and a Method to Improve Prediction Accuracy [0.0]
  ほとんどの医療画像処理タスクでは、画像の向きが計算結果に影響を及ぼす。 心臓MRIにおける方向認識の問題とディープニューラルネットワークを用いてこの問題を解決する。
  論文  参考訳（メタデータ） (2022-11-14T03:35:15Z)
• Unsupervised Image Registration Towards Enhancing Performance and Explainability in Cardiac And Brain Image Analysis [3.5718941645696485]
  モダリティ内およびモダリティ内アフィンおよび非リグイド画像登録は、臨床画像診断において必須の医用画像解析プロセスである。 本稿では、アフィンおよび非剛性変換を正確にモデル化できる教師なしディープラーニング登録手法を提案する。 本手法は,モーダリティ不変の潜在反感を学習するために,双方向のモーダリティ画像合成を行う。
  論文  参考訳（メタデータ） (2022-03-07T12:54:33Z)
• Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
  本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。 中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。 on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
  論文  参考訳（メタデータ） (2022-01-07T07:46:01Z)
• Recognition and standardization of cardiac MRI orientation via multi-tasking learning and deep neural networks [16.188681108101196]
  心臓MRIにおける画像指向性の問題について検討し、深部ニューラルネットワークによる認識と標準化の方向性を分類する枠組みを提案する。 本手法では,心的セグメンテーションと向き認識の両タスクを同時に行うマルチタスク戦略を用いる。 我々は,MRIの多重列とモーダル性に対して,単一のモーダルから複数のモーダルへモデルを適用するトランスファー学習戦略を提案する。
  論文  参考訳（メタデータ） (2020-11-17T16:41:31Z)
• Modality Compensation Network: Cross-Modal Adaptation for Action Recognition [77.24983234113957]
  異なるモダリティの関係を探索するためのモダリティ補償ネットワーク(MCN)を提案する。 我々のモデルは、適応表現学習を実現するために、モーダリティ適応ブロックによって、ソースおよび補助モーダリティからのデータをブリッジする。 実験の結果,MCNは4つの広く使用されている行動認識ベンチマークにおいて,最先端のアプローチよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-01-31T04:51:55Z)

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。