論文の概要: Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation
- arxiv url: http://arxiv.org/abs/2311.10879v3
- Date: Fri, 31 May 2024 16:15:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-03 20:31:38.634498
- Title: Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation
- Title(参考訳): 造影MRIによる胸部切開術の術前・術後成績
- Authors: Richard Osuala, Smriti Joshi, Apostolia Tsirikoglou, Lidia Garrucho, Walter H. L. Pinaya, Oliver Diaz, 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について検討した。
さらに, 合成データの質を原理的に定量的に評価し, 最適生成モデルを選択するための基盤となるスケールドアグリゲート尺度(SAMe)を導入する。
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.comで利用可能です。
関連論文リスト
- AAD-DCE: An Aggregated Multimodal Attention Mechanism for Early and Late Dynamic Contrast Enhanced Prostate MRI Synthesis [1.5006735009336045]
DCE-MRIはガドリニウム系コントラスト剤(Gad)を投与する。
DCE-MR画像を合成する従来のディープラーニングアプローチでは、解剖学における局所的な灌流情報に焦点をあてていない非造影または低用量造影MRI画像が採用されている。
本稿では,グローバルおよびローカルな識別器からなるアグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリゲーション・アグリケーション・アグリゲーション・アグリケーション・アグリケーション・アグリケーション・アグリケーション・アグリケーション・アグリケーション・ア・アグリゲーション・ア・ア・ア・ア・ア・
論文 参考訳(メタデータ) (2025-02-04T18:28:25Z) - ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。
メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文 参考訳(メタデータ) (2025-01-08T05:15:43Z) - Simulating Dynamic Tumor Contrast Enhancement in Breast MRI using Conditional Generative Adversarial Networks [2.4634168876565177]
乳房MRIにおける仮想コントラスト強調法を提案し,従来のコントラストエージェントを用いたDCE-MRIの取得に代えて,有望な非侵襲的代替手段を提供する。
条件付き生成逆数ネットワークを用いて、複数の対応するDCE-MRIタイムポイントの合同生成シーケンスを含むDCE-MRI画像を予測する。
提案手法は,現実的で有用なDCE-MRIシークエンスを生成する上で有望な結果を示し,乳がんの診断と治療を改善するための仮想コントラスト増強の可能性を強調した。
論文 参考訳(メタデータ) (2024-09-27T16:08:52Z) - Physics-Informed Latent Diffusion for Multimodal Brain MRI Synthesis [43.82741134285203]
可変数の脳MRIモダリティを合成できる物理インフォームド生成モデルを提案する。
提案手法は遅延拡散モデルと2段階生成過程を利用する。
実験は、見えないMRコントラストを発生させ、身体的可視性を維持するためのこのアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2024-09-20T14:21:34Z) - Phy-Diff: Physics-guided Hourglass Diffusion Model for Diffusion MRI Synthesis [45.074243735766]
本稿では,高画質のdMRIを生成する物理誘導拡散モデルを提案する。
本モデルは拡散過程におけるノイズ進化におけるdMRIの物理原理を紹介する。
実験の結果,本手法は他の最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2024-06-05T07:09:19Z) - Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。
以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
論文 参考訳(メタデータ) (2024-03-20T18:01:57Z) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳(メタデータ) (2024-01-17T07:54:49Z) - 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) - 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)
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。