論文の概要: RimSet: Quantitatively Identifying and Characterizing Chronic Active
Multiple Sclerosis Lesion on Quantitative Susceptibility Maps
- arxiv url: http://arxiv.org/abs/2312.16835v1
- Date: Thu, 28 Dec 2023 05:44:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 17:16:59.476584
- Title: RimSet: Quantitatively Identifying and Characterizing Chronic Active
Multiple Sclerosis Lesion on Quantitative Susceptibility Maps
- Title(参考訳): RimSet: 定量的感受性マップによる慢性活動性多発性硬化病変の定量的同定と特徴付け
- Authors: Hang Zhang, Thanh D. Nguyen, Jinwei Zhang, Renjiu Hu, Susan A.
Gauthier, and Yi Wang
- Abstract要約: 多発性硬化症(MS)におけるRim+病変の定量的感受性マッピング(QSM)による検出
本報告では,QSM上のリム+病変の定量的同定とキャラクタリゼーションを行うためにRimSetを導入する。
- 参考スコア(独自算出の注目度): 5.1998031629408095
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Rim+ lesions in multiple sclerosis (MS), detectable via
Quantitative Susceptibility Mapping (QSM), correlate with increased disability.
Existing literature lacks quantitative analysis of these lesions. We introduce
RimSet for quantitative identification and characterization of rim+ lesions on
QSM. Methods: RimSet combines RimSeg, an unsupervised segmentation method using
level-set methodology, and radiomic measurements with Local Binary Pattern
texture descriptors. We validated RimSet using simulated QSM images and an in
vivo dataset of 172 MS subjects with 177 rim+ and 3986 rim-lesions. Results:
RimSeg achieved a 78.7% Dice score against the ground truth, with challenges in
partial rim lesions. RimSet detected rim+ lesions with a partial ROC AUC of
0.808 and PR AUC of 0.737, surpassing existing methods. QSMRim-Net showed the
lowest mean square error (0.85) and high correlation (0.91; 95% CI: 0.88, 0.93)
with expert annotations at the subject level.
- Abstract(参考訳): 背景: 多発性硬化症 (MS) における Rim+ 病変は, 定量的感受性マッピング (QSM) により検出され, 障害の増大と相関する。
既存の文献にはこれらの病変の定量的解析が欠けている。
本稿では,QSM上のリム+病変の定量的同定と解析のためにRimSetを紹介した。
方法: RmSetはレベルセット手法を用いた教師なしセグメンテーション手法であるRimSegと、ローカルバイナリパターンテクスチャ記述子による放射能測定を組み合わせたものである。
模擬QSM画像と177 rim+と3986 rim-lesionの172 MS 被験者の in vivo データセットを用いてRimSetを検証した。
結果: rimsegは基底真理に対して78.7%のdiceスコアを獲得し, 部分的rim病変に難渋した。
RimSetは、一部のROC AUCが0.808、PR AUCが0.737のリム+病変を検出。
QSMRim-Netは平均二乗誤差 (0.85) と高い相関 (0.91; 95% CI: 0.88, 0.93) を示した。
関連論文リスト
- Multivariate Analysis on Performance Gaps of Artificial Intelligence
Models in Screening Mammography [4.123006816939975]
異常分類のための深層学習モデルは,マンモグラフィーのスクリーニングにおいて良好に機能する。
モデル不全のリスクの増加に伴う人口統計学的、画像的、臨床的特徴はいまだに不明である。
年齢,人種,病理所見,組織密度,画像特徴によって定義されるサブグループによるモデル性能の評価を行った。
論文 参考訳(メタデータ) (2023-05-08T02:28:45Z) - Shifted-Windows Transformers for the Detection of Cerebral Aneurysms in
Microsurgery [8.468248593085525]
本稿では,フレームレベルの専門家アノテーションを用いた16の手術ビデオを含むMACSデータセットについて紹介する。
手術用顕微鏡の視野に存在する大動脈瘤とビデオフレームを識別する手術シーン理解のための学習手法を提案する。
提案手法は, 独立した集合を用いた多次元クロスバリデーション実験と, 人間の10名に対する15枚の画像集合を用いて評価した。
論文 参考訳(メタデータ) (2023-03-16T20:58:48Z) - MAPPING: Model Average with Post-processing for Stroke Lesion
Segmentation [57.336056469276585]
我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。
本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
論文 参考訳(メタデータ) (2022-11-11T14:17:04Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳(メタデータ) (2022-10-13T15:34:20Z) - 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) - WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic
Segmentation for Lung Adenocarcinoma [51.50991881342181]
この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。
第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
論文 参考訳(メタデータ) (2022-04-13T15:27:05Z) - The impact of using voxel-level segmentation metrics on evaluating
multifocal prostate cancer localisation [8.035409264165937]
Dice similarity coefficient (DSC) と Hausdorff distance (HD) は医用画像セグメンテーションの評価に広く用いられている。
本研究は、まず、前立腺がんの手術計画において、対象検出に使用されるものを適応する、新しい非対称検出指標を提案する。
今回我々は, DSCとHDの相互一致と相関について報告し, 2) ボクセルレベルDSCと病変レベルでのリコール制御精度について報告する。
論文 参考訳(メタデータ) (2022-03-30T15:57:20Z) - Towards Ultrafast MRI via Extreme k-Space Undersampling and
Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。
低解像を補うための強力な深層学習に基づく画像強化手法を検討する。
復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文 参考訳(メタデータ) (2021-03-04T10:45:01Z) - Automated femur segmentation from computed tomography images using a
deep neural network [0.0]
骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。
我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2021-01-27T23:37:56Z) - Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI
using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。
前立腺切除術による脱線をMRIでトレーニングした。
前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
論文 参考訳(メタデータ) (2020-10-28T21:07:09Z) - Machine-Learning-Based Multiple Abnormality Prediction with Large-Scale
Chest Computed Tomography Volumes [64.21642241351857]
19,993症例から36,316巻の胸部CTデータセットを収集,解析した。
自由テキストラジオグラフィーレポートから異常ラベルを自動的に抽出するルールベース手法を開発した。
胸部CTボリュームの多臓器・多臓器分類モデルも開発した。
論文 参考訳(メタデータ) (2020-02-12T00:59:23Z)
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。