論文の概要: Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour
Segmentation
- arxiv url: http://arxiv.org/abs/2311.10879v2
- Date: Thu, 22 Feb 2024 10:46:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-23 18:23:04.420292
- Title: Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour
Segmentation
- Title(参考訳): 造影乳房mriによる腫瘍分画の術前・術後合成
- Authors: Richard Osuala, Smriti Joshi, Apostolia Tsirikoglou, Lidia Garrucho,
Walter H. L. Pinaya, Oliver Diaz, and Karim Lekadir
- Abstract要約: 本研究は, GAN(Generative Adversarial Network)を用いて, コントラスト前T1強調脂肪飽和乳房MRIを対応する第1DCE-MRIシーケンスに翻訳することにより, 合成コントラスト増強の実現可能性について検討した。
定量的な画像品質指標を用いて生成したDCE-MRIデータを評価し、3D乳房切片の下流タスクに適用する。
以上の結果から, 造影後DCE-MRI合成が乳房のセグメンテーションモデルの堅牢性向上に寄与する可能性が示唆された。
- 参考スコア(独自算出の注目度): 0.9722528000969453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite its benefits for tumour detection and treatment, the administration
of contrast agents in dynamic contrast-enhanced MRI (DCE-MRI) is associated
with a range of issues, including their invasiveness, bioaccumulation, and a
risk of nephrogenic systemic fibrosis. This study explores the feasibility of
producing synthetic contrast enhancements by translating pre-contrast
T1-weighted fat-saturated breast MRI to their corresponding first DCE-MRI
sequence leveraging the capabilities of a generative adversarial network (GAN).
Additionally, we introduce a Scaled Aggregate Measure (SAMe) designed for
quantitatively evaluating the quality of synthetic data in a principled manner
and serving as a basis for selecting the optimal generative model. We assess
the generated DCE-MRI data using quantitative image quality metrics and apply
them to the downstream task of 3D breast tumour segmentation. Our results
highlight the potential of post-contrast DCE-MRI synthesis in enhancing the
robustness of breast tumour segmentation models via data augmentation. Our code
is available at https://github.com/RichardObi/pre_post_synthesis.
- Abstract(参考訳): 腫瘍の検出と治療の利点にもかかわらず、ダイナミックコントラスト造影MRI(DCE-MRI)における造影剤の投与は、その侵襲性、生体蓄積、腎原性全身線維症のリスクなど、様々な問題と関連している。
本研究は, GAN(Generative Adversarial Network)の機能を利用して, コントラスト前T1強調脂肪飽和乳房MRIを対応する第1のDCE-MRIシーケンスに翻訳することにより, 合成コントラストの増強を実現する可能性を検討した。
さらに,合成データの質を原理的に定量的に評価し,最適な生成モデルを選択するための基礎となるスケールド・アグリゲート・測度(same)を提案する。
定量的な画像品質指標を用いて生成したDCE-MRIデータを評価し、3D乳房切片の下流タスクに適用する。
以上の結果から, 造影後DCE-MRI合成が乳房のセグメンテーションモデルの堅牢性向上に寄与する可能性が示唆された。
私たちのコードはhttps://github.com/richardobi/pre_post_ synthesisで利用可能です。
関連論文リスト
- Mask-Enhanced Segment Anything Model for Tumor Lesion Semantic
Segmentation [49.916468280857885]
Mask-Enhanced SAM (M-SAM) は3次元腫瘍病変の分節に適した革新的なアーキテクチャである。
本稿では,M-SAM内におけるMask-Enhanced Adapter (MEA) を提案する。
論文 参考訳(メタデータ) (2024-03-09T13:37:02Z) - Synthesis of Contrast-Enhanced Breast MRI Using Multi-b-Value DWI-based
Hierarchical Fusion Network with Attention Mechanism [15.453470023481932]
造影MRI(CE-MRI)は腫瘍と浸潤した健全な組織との鑑別に優れる。
CE-MRIを得るためにガドリニウムベースの造影剤(GBCA)を使用することは、ネフローゼ性全身線維症と関連し、脳内での生体蓄積を引き起こす可能性がある。
造影剤の使用を減らすため,拡散強調画像(DWI)が重要画像技術として出現している。
論文 参考訳(メタデータ) (2023-07-03T09:46:12Z) - Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using
Noise-preserving Conditional GANs [102.47542231659521]
ガドリニウム系造影剤(GBCA)は様々な疾患の診断にMRIにおいて不可欠である。
GBCAは高価であり、副作用のある患者に蓄積される可能性がある。
診断値を維持しながらGBCAの投与量をどの程度削減できるかは不明確である。
論文 参考訳(メタデータ) (2023-06-26T13:19:37Z) - 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) - Model-Guided Multi-Contrast Deep Unfolding Network for MRI
Super-resolution Reconstruction [68.80715727288514]
MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。
本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
論文 参考訳(メタデータ) (2022-09-15T03:58:30Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳(メタデータ) (2022-03-29T08:41:17Z) - Multi-modal Brain Tumor Segmentation via Missing Modality Synthesis and
Modality-level Attention Fusion [3.9562534927482704]
我々は、Modality-Level Attention Fusion Network (MAF-Net) というエンドツーエンドフレームワークを提案する。
提案するMAF-Netはより優れたT1ce合成性能と正確な脳腫瘍セグメンテーションをもたらす。
論文 参考訳(メタデータ) (2022-03-09T09:08:48Z) - Contrast-enhanced MRI Synthesis Using 3D High-Resolution ConvNets [7.892005877717236]
ガドリニウム系造影剤(GBCA)は脳磁気共鳴画像(MRI)における疾患の可視化に広く用いられている
脳腫瘍患者にとって、標準治療には、疾患モニタリングのためのガドリニウムベースのコントラストを有する反復MRIが含まれ、ガドリニウム沈着のリスクを増加させる。
脳腫瘍患者に対する造影T1合成のための深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-04-04T11:54:15Z) - 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) - Multi-Modality Generative Adversarial Networks with Tumor Consistency
Loss for Brain MR Image Synthesis [30.64847799586407]
1つのMRモードT2から3つの高品質MRモード(FLAIR, T1, T1ce)を同時に合成する多モード生成対向ネットワーク(MGAN)を提案する。
実験結果から, 合成画像の品質は, ベースラインモデル, pix2pixで合成した画像より優れていることがわかった。
論文 参考訳(メタデータ) (2020-05-02T21:33:15Z)
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。