論文の概要: Artificial Intelligence in Fetal Resting-State Functional MRI Brain
Segmentation: A Comparative Analysis of 3D UNet, VNet, and HighRes-Net Models
- arxiv url: http://arxiv.org/abs/2311.10844v1
- Date: Fri, 17 Nov 2023 19:57:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 13:58:41.932753
- Title: Artificial Intelligence in Fetal Resting-State Functional MRI Brain
Segmentation: A Comparative Analysis of 3D UNet, VNet, and HighRes-Net Models
- Title(参考訳): 胎児静止状態機能mri脳分節における人工知能 : 3次元unet,vnet,highres-netモデルの比較検討
- Authors: Farzan Vahedifard, Xuchu Liu, Mehmet Kocak, H. Asher Ai, Mark
Supanich, Christopher Sica., Kranthi K Marathu, Seth Adler, Maysam
Orouskhani, Sharon Byrd
- Abstract要約: 本研究は、胎児脳fMRI, MRI(fMRI)における自動脳セグメンテーションのための人工知能(AI)の新たな応用を紹介した。
3D UNet、VNet、HighResNetの3つのAIモデルが採用された。
以上の結果から,胎児の安静時fMRI脳セグメンテーションにおける各種AIモデルの性能が明らかにされた。
- 参考スコア(独自算出の注目度): 1.2382905694337476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduction: Fetal resting-state functional magnetic resonance imaging
(rs-fMRI) is a rapidly evolving field that provides valuable insight into brain
development before birth. Accurate segmentation of the fetal brain from the
surrounding tissue in nonstationary 3D brain volumes poses a significant
challenge in this domain. Current available tools have 0.15 accuracy. Aim: This
study introduced a novel application of artificial intelligence (AI) for
automated brain segmentation in fetal brain fMRI, magnetic resonance imaging
(fMRI). Open datasets were employed to train AI models, assess their
performance, and analyze their capabilities and limitations in addressing the
specific challenges associated with fetal brain fMRI segmentation. Method: We
utilized an open-source fetal functional MRI (fMRI) dataset consisting of 160
cases (reference: fetal-fMRI - OpenNeuro). An AI model for fMRI segmentation
was developed using a 5-fold cross-validation methodology. Three AI models were
employed: 3D UNet, VNet, and HighResNet. Optuna, an automated
hyperparameter-tuning tool, was used to optimize these models. Results and
Discussion: The Dice scores of the three AI models (VNet, UNet, and
HighRes-net) were compared, including a comparison between manually tuned and
automatically tuned models using Optuna. Our findings shed light on the
performance of different AI models for fetal resting-state fMRI brain
segmentation. Although the VNet model showed promise in this application,
further investigation is required to fully explore the potential and
limitations of each model, including the HighRes-net model. This study serves
as a foundation for further extensive research into the applications of AI in
fetal brain fMRI segmentation.
- Abstract(参考訳): はじめに:胎児の安静時機能的磁気共鳴画像(rs-fmri)は、出生前に脳の発達に関する貴重な洞察を提供する、急速に発展する分野である。
非定常3次元脳体積における胎児の脳の正確な分画は、この領域において重要な課題である。
現在のツールの精度は 0.15 である。
Aim: 本研究は胎児脳fMRI, 磁気共鳴画像(fMRI)における自動脳セグメント化のための人工知能(AI)の新たな応用を紹介した。
オープンデータセットを使用して、AIモデルをトレーニングし、パフォーマンスを評価し、胎児脳のfMRIセグメンテーションに関連する特定の課題に対処する能力と制限を分析する。
方法:160例(参考:胎児-fMRI - OpenNeuro)からなるオープンソースの胎児機能MRI(fMRI)データセットを使用した。
5倍のクロスバリデーション手法を用いてfMRIセグメンテーションのためのAIモデルを開発した。
3D UNet、VNet、HighResNetの3つのAIモデルが採用された。
自動ハイパーパラメータチューニングツールであるOpsunaは、これらのモデルの最適化に使用された。
結果と考察:3つのAIモデル(VNet, UNet, HighRes-net)のDiceスコアを比較した。
以上の結果から,胎児の安静時fMRI脳セグメンテーションにおける各種AIモデルの性能が明らかになった。
vnetモデルは、このアプリケーションで有望であるが、highres-netモデルを含む各モデルの可能性と限界を完全に探求するために、さらなる調査が必要である。
この研究は、胎児脳のfMRIセグメンテーションにおけるAIの応用に関するさらなる研究の基礎となる。
関連論文リスト
- 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) - Metadata-Conditioned Generative Models to Synthesize
Anatomically-Plausible 3D Brain MRIs [12.492451825171408]
本稿では, メタデータ条件付きMRI(例えば, 年齢, 性別別MRI)を合成するための新しい生成モデルであるBrain Synthを提案する。
以上の結果から, 合成MRIの脳領域の半数以上が解剖学的に正確であり, 実際のMRIと合成MRIの差は小さいことが示唆された。
われわれの合成MRIは畳み込みニューラルネットワークのトレーニングを大幅に改善し、加速度的老化効果を同定する。
論文 参考訳(メタデータ) (2023-10-07T00:05:47Z) - Fetal-BET: Brain Extraction Tool for Fetal MRI [4.214523989654048]
約72,000個の胎児脳MRI画像の注釈付きデータセットを構築した。
このデータセットを用いて、U-Netスタイルアーキテクチャのパワーを利用してディープラーニング手法を開発し、検証した。
本手法では,マルチコントラスト(マルチシーケンス)胎児MRIデータからの豊富な情報を活用し,胎児の脳構造を正確に把握する。
論文 参考訳(メタデータ) (2023-10-02T18:14:23Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳(メタデータ) (2023-08-24T01:30:18Z) - Video4MRI: An Empirical Study on Brain Magnetic Resonance Image
Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。
本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。
効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
論文 参考訳(メタデータ) (2023-02-24T15:26:31Z) - fMRI-S4: learning short- and long-range dynamic fMRI dependencies using
1D Convolutions and State Space Models [0.0]
fMRI-S4は、静止状態機能MRIから表現型と精神疾患を分類するための汎用的なディープラーニングモデルである。
我々は,fMRI-S4が3つのタスクすべてにおいて既存の手法よりも優れており,各設定ごとに特別なパラメータ調整を行わずに,プラグ&プレイモデルとして訓練できることを示す。
論文 参考訳(メタデータ) (2022-08-08T14:07:25Z) - Data and Physics Driven Learning Models for Fast MRI -- Fundamentals and
Methodologies from CNN, GAN to Attention and Transformers [72.047680167969]
本稿では,畳み込みニューラルネットワークや生成的敵ネットワークに基づく手法を含む,高速MRIのためのディープラーニングに基づくデータ駆動手法を紹介する。
MRI加速のための物理とデータ駆動モデルの結合に関する研究について詳述する。
最後に, 臨床応用について紹介し, マルチセンター・マルチスキャナー研究における高速MRI技術におけるデータ調和の重要性と説明可能なモデルについて述べる。
論文 参考訳(メタデータ) (2022-04-01T22:48:08Z) - MRI brain tumor segmentation and uncertainty estimation using 3D-UNet
architectures [0.0]
本研究では、メモリ消費を低減し、アンバランスデータの影響を低減するためにパッチベースの技術で訓練された3Dエンコーダデコーダアーキテクチャを検討する。
また,テストタイム・ドロップアウト (TTD) とデータ拡張 (TTA) を用いて, てんかん, てんかんともにボキセル関連不確実性情報を導入する。
この研究で提案されたモデルと不確実性推定測定は、腫瘍の分割と不確実性推定に関するタスク1および3のBraTS'20チャレンジで使用されています。
論文 参考訳(メタデータ) (2020-12-30T19:28:53Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z) - A Hybrid 3DCNN and 3DC-LSTM based model for 4D Spatio-temporal fMRI
data: An ABIDE Autism Classification study [0.0]
本稿では,3次元CNNと3次元磁気LSTMを用いて,全4次元データから特徴を抽出できるエンドツーエンドアルゴリズムを提案する。
提案手法は,NYUサイトとUMサイトにおいて,F1スコア0.78,0.7の単一サイトにおいて,技術結果の状態を達成できることを示す。
論文 参考訳(メタデータ) (2020-02-14T11:52:00Z)
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。