Fugu-MT 論文翻訳(概要): Multi-delay arterial spin-labeled perfusion estimation with biophysics simulation and deep learning

論文の概要: Multi-delay arterial spin-labeled perfusion estimation with biophysics simulation and deep learning

arxiv url: http://arxiv.org/abs/2311.10640v1
Date: Fri, 17 Nov 2023 16:55:14 GMT
ステータス: 処理完了
システム内更新日: 2023-11-20 13:52:28.470657
Title: Multi-delay arterial spin-labeled perfusion estimation with biophysics simulation and deep learning
Title（参考訳）: 生体物理シミュレーションと深層学習を用いたマルチ遅延動脈スピンラベル灌流推定
Authors: Renjiu Hu, Qihao Zhang, Pascal Spincemaille, Thanh D. Nguyen, Yi Wang
Abstract要約: 4次元トレーサ伝搬画像から3次元U-Net(QTMnet)を推定する訓練を行った。合成脳ASL画像の相対誤差は, 灌流Qでは7.04%, 単遅延ASLモデルでは25.15%, 多遅延ASLモデルでは12.62%であった。
参考スコア（独自算出の注目度）: 3.906145608074501
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Purpose: To develop biophysics-based method for estimating perfusion Q from arterial spin labeling (ASL) images using deep learning. Methods: A 3D U-Net (QTMnet) was trained to estimate perfusion from 4D tracer propagation images. The network was trained and tested on simulated 4D tracer concentration data based on artificial vasculature structure generated by constrained constructive optimization (CCO) method. The trained network was further tested in a synthetic brain ASL image based on vasculature network extracted from magnetic resonance (MR) angiography. The estimations from both trained network and a conventional kinetic model were compared in ASL images acquired from eight healthy volunteers. Results: QTMnet accurately reconstructed perfusion Q from concentration data. Relative error of the synthetic brain ASL image was 7.04% for perfusion Q, lower than the error using single-delay ASL model: 25.15% for Q, and multi-delay ASL model: 12.62% for perfusion Q. Conclusion: QTMnet provides accurate estimation on perfusion parameters and is a promising approach as a clinical ASL MRI image processing pipeline.
Abstract（参考訳）: 目的: 深層学習を用いた動脈スピンラベリング(asl)画像からの灌流qの推定法を開発すること。方法: 4次元トレーサ伝搬画像から3次元U-Net(QTMnet)を推定するために訓練した。拘束的構成最適化(CCO)法により生成された人工血管構造に基づく4次元トレーサー濃度データを用いて,ネットワークを訓練・試験した。血管造影(MR)アンギオグラフィーから抽出した血管網をベースとした合成脳ASL画像において,トレーニングネットワークを更に試験した。 8名の健常者から得られたASL画像において,訓練ネットワークと従来の速度論的モデルの両方から推定した。結果: QTMnetは濃度データから正確な拡散Qを再構成した。合成脳 asl 画像の相対誤差は perfusion q で 7.04% であり、単層型 asl モデルでの誤差より低い: 25.15% で q でマルチデレイ型 asl モデル: 12.62% パーフュージョン q では qtmnet が正確なパーフュージョンパラメータの推定を提供し、臨床用 asl mri 画像処理パイプラインとして有望なアプローチである。

関連論文リスト

A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。我々の推論速度は拡散法よりも1,400倍速い。
論文参考訳（メタデータ） (2024-10-05T20:03:57Z)
Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
Convolutional Neural Network to Restore Low-Dose Digital Breast Tomosynthesis Projections in a Variance Stabilization Domain [15.149874383250236]
畳み込みニューラルネットワーク(CNN)は、低線量(LD)投影を標準的なフル線量(FD)取得と同等の画質に復元するために提案されている。平均二乗誤差(MNSE)、正規化訓練時間、ノイズ空間相関の点で従来のデータ駆動方式と比較して、ネットワークは優れた結果を得た。
論文参考訳（メタデータ） (2022-03-22T13:31:47Z)
FEDI: Few-shot learning based on Earth Mover's Distance algorithm combined with deep residual network to identify diabetic retinopathy [3.6623193507510012]
本稿では,Earth Moverのアルゴリズムをベースとした,糖尿病網膜症の診断支援を目的とした深部残像ネットワークの複数ショット学習モデルを提案する。我々は,1000サンプルデータの39カテゴリに基づいて,数ショット学習のためのトレーニングと検証の分類タスクを構築し,深層残留ネットワークを訓練し,経験的事前学習モデルを得る。事前学習モデルの重みに基づいて、Earth MoverのDistanceアルゴリズムは画像間の距離を計算し、画像間の類似性を求め、モデルのパラメータを変更してトレーニングモデルの精度を向上させる。
論文参考訳（メタデータ） (2021-08-22T13:05:02Z)
3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文参考訳（メタデータ） (2021-04-04T20:30:14Z)
ASL to PET Translation by a Semi-supervised Residual-based Attention-guided Convolutional Neural Network [3.2480194378336464]
動脈スピンラベリング(ASL)MRIは、脳の血液力学的測定のための非侵襲的、非放射能的、および比較的安価なイメージング技術です。本稿では,ASLをPET画像に変換する畳み込みニューラルネットワーク(CNN)モデルを提案する。
論文参考訳（メタデータ） (2021-03-08T22:06:02Z)
Super Resolution of Arterial Spin Labeling MR Imaging Using Unsupervised Multi-Scale Generative Adversarial Network [9.506036365253184]
動脈スピンラベリング(ASL)磁気共鳴イメージング(MRI)は、脳血流(CBF)を定量的に測定できる強力なイメージング技術である。本稿では,教師なし学習によるGAN(Multi-scale Generative Adversarial Network)に基づく超解像法を提案する。
論文参考訳（メタデータ） (2020-09-14T01:05:54Z)
Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文参考訳（メタデータ） (2020-06-18T09:49:11Z)
A Learning-from-noise Dilated Wide Activation Network for denoising Arterial Spin Labeling (ASL) Perfusion Images [16.455202025068747]
動脈スピンラベリング(ASL)灌流MRIは非侵襲的脳血流定量法(CBF)を提供する依然として低信号対雑音比 (SNR) に悩まされている。
論文参考訳（メタデータ） (2020-05-15T21:05:56Z)
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。