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

• 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)
• Brain3D: Generating 3D Objects from fMRI [76.41771117405973]
  被験者のfMRIデータを入力として利用する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。 我々は,人間の視覚系の各領域の異なる機能的特徴を,我々のモデルが捉えていることを示す。 予備評価は、Brain3Dがシミュレーションシナリオで障害した脳領域を正常に識別できることを示唆している。
  論文  参考訳（メタデータ） (2024-05-24T06:06:11Z)
• ACTION: Augmentation and Computation Toolbox for Brain Network Analysis with Functional MRI [28.639321546348654]
  ActionはfMRI分析のためのPythonベースのクロスプラットフォームツールボックスである。 自動fMRI増強、血液酸素レベル依存(BOLD)シグナル増強、脳ネットワーク増強を可能にする。 大規模な補助的なラベルなしデータを活用するディープラーニングモデルの構築をサポートする。
  論文  参考訳（メタデータ） (2024-05-10T01:45:09Z)
• MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
  脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。 現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。 我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
  論文  参考訳（メタデータ） (2024-04-11T15:46:42Z)
• Improving cross-domain brain tissue segmentation in fetal MRI with synthetic data [1.1936126505067601]
  胎児脳MRIにおける領域ランダム化手法であるFetal SynthSegを紹介する。 以上の結果から,合成データのみにトレーニングされたモデルは,実データにトレーニングされたモデルよりも優れていた。 評価は低磁場(0.55T)MRIで得られた40例に拡張し,新しいSRモデルを用いて再構成した。
  論文  参考訳（メタデータ） (2024-03-22T10:42:25Z)
• 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)
• 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)
• 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)
• 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)
• 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。