Fugu-MT 論文翻訳(概要): Symbrain: A large-scale dataset of MRI images for neonatal brain symmetry analysis

論文の概要: Symbrain: A large-scale dataset of MRI images for neonatal brain symmetry analysis

arxiv url: http://arxiv.org/abs/2401.11814v1
Date: Mon, 22 Jan 2024 10:22:14 GMT
ステータス: 処理完了
システム内更新日: 2024-01-23 14:32:46.772527
Title: Symbrain: A large-scale dataset of MRI images for neonatal brain symmetry analysis
Title（参考訳）: Symbrain: 新生児脳対称性解析のためのMRI画像の大規模データセット
Authors: Arnaud Gucciardi and Safouane El Ghazouali and Francesca Venturini and Vida Groznik and Umberto Michelucci
Abstract要約: 本稿では,脳対称性研究の分野を推し進めるために,脳MRI画像の注釈付きデータセットを提案する。このデータセットは、2つの脳半球の相対対称性を用いて重要な診断と治療計画を行う方法の研究と開発に寄与することができる。
参考スコア（独自算出の注目度）: 3.3748750222488657
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents an annotated dataset of brain MRI images designed to advance the field of brain symmetry study. Magnetic resonance imaging (MRI) has gained interest in analyzing brain symmetry in neonatal infants, and challenges remain due to the vast size differences between fetal and adult brains. Classification methods for brain structural MRI use scales and visual cues to assess hemisphere symmetry, which can help diagnose neonatal patients by comparing hemispheres and anatomical regions of interest in the brain. Using the Developing Human Connectome Project dataset, this work presents a dataset comprising cerebral images extracted as slices across selected portions of interest for clinical evaluation . All the extracted images are annotated with the brain's midline. All the extracted images are annotated with the brain's midline. From the assumption that a decrease in symmetry is directly related to possible clinical pathologies, the dataset can contribute to a more precise diagnosis because it can be used to train deep learning model application in neonatal cerebral MRI anomaly detection from postnatal infant scans thanks to computer vision. Such models learn to identify and classify anomalies by identifying potential asymmetrical patterns in medical MRI images. Furthermore, this dataset can contribute to the research and development of methods using the relative symmetry of the two brain hemispheres for crucial diagnosis and treatment planning.
Abstract（参考訳）: 本稿では,脳対称性研究の分野を推し進めるために,脳MRI画像の注釈付きデータセットを提案する。核磁気共鳴イメージング(MRI)は新生児の脳対称性の分析に関心を持ち、胎児と成人の脳の大きさの違いによる課題が残っている。脳構造MRIの分類法は、半球対称性を評価するためにスケールと視覚的手がかりを使用し、脳への関心のある半球と解剖学的領域を比較して新生児患者を診断するのに役立つ。本研究は、発達中のヒトコネクトームプロジェクトデータセットを用いて、臨床評価のために、選択された部分のスライスとして抽出された脳画像からなるデータセットを提供する。抽出された画像はすべて、脳の正中線に注釈付けされている。抽出された画像はすべて、脳の正中線に注釈付けされている。対称性の低下が臨床病理に直接関係しているという仮定から、このデータセットは、コンピュータビジョンによる新生児スキャンから新生児脳mri異常検出におけるディープラーニングモデル応用のトレーニングに使用できるため、より正確な診断に寄与することができる。このようなモデルは、医学的MRI画像の潜在的な非対称パターンを特定して、異常を識別し分類することを学ぶ。さらに、このデータセットは、2つの脳半球の相対対称性を用いて重要な診断と治療計画を行う方法の研究と開発に寄与することができる。

関連論文リスト

Symmetry Awareness Encoded Deep Learning Framework for Brain Imaging Analysis [17.96729816246268]
本研究は,脳疾患の検出とセグメンテーション分析を強化するために,ヒト脳の固有対称解剖学的特徴を活用する新しいアプローチを提案する。左右半球の対称的特徴を符号化するために,新たな対称性認識クロスアテンション (SACA) モジュールが提案され,Symmetry-Aware Head (SAH) として対称的特徴を検出するプロキシタスクが提案されている。本研究は, 事前トレーニングに対称性認識を取り入れることの有効性を提唱し, 医用画像解析のための新しいベンチマークを作成し, 正確かつ効率的な診断プロセスに向けて大きな前進を約束する。
論文参考訳（メタデータ） (2024-07-12T03:08:15Z)
Psychometry: An Omnifit Model for Image Reconstruction from Human Brain Activity [60.983327742457995]
人間の脳活動から見るイメージを再構築することで、人間とコンピュータのビジョンをBrain-Computer Interfaceを通して橋渡しする。異なる被験者から得られた機能的磁気共鳴イメージング(fMRI)による画像再構成のための全能モデルであるサイコメトリを考案した。
論文参考訳（メタデータ） (2024-03-29T07:16:34Z)
Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion [47.83003164569194]
超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。 Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
論文参考訳（メタデータ） (2024-02-21T12:54:40Z)
Brain-ID: Learning Contrast-agnostic Anatomical Representations for Brain Imaging [11.06907516321673]
脳画像のための解剖学的表現学習モデルであるBrain-IDを導入する。提案された"Mild-to-Severe"イントラオブジェクト生成により、Brain-IDは被験者固有の脳解剖に対して堅牢である。本稿では,物体内および物体間ロバスト性を評価するための新しい指標を提案し,その性能を4つの下流アプリケーションで評価する。
論文参考訳（メタデータ） (2023-11-28T16:16:10Z)
FetMRQC: a robust quality control system for multi-centric fetal brain MRI [33.08151493899017]
本稿では,自動画像品質評価と品質管理のためのオープンソースの機械学習フレームワークFetMRQCを提案する。 FetMRQCは、未処理の解剖学的MRIから品質指標のアンサンブルを抽出し、それらを組み合わせて専門家のレーティングを予測する。我々は、1600以上の胎児脳T2強調画像からなる、先駆的に大きく多様なデータセット上で、我々のフレームワークを検証する。
論文参考訳（メタデータ） (2023-11-08T15:59:41Z)
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)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
SAM vs BET: A Comparative Study for Brain Extraction and Segmentation of Magnetic Resonance Images using Deep Learning [0.0]
Segment Anything Model (SAM)は、より正確で堅牢で汎用的なツールとして、幅広い脳の抽出とセグメンテーションの応用の可能性を秘めている。我々はSAMを、様々な画像品質、MR配列、脳の病変が異なる脳領域に影響を及ぼす様々な脳スキャンにおいて、BETと呼ばれる、広く使われている現在の金の標準技術と比較した。
論文参考訳（メタデータ） (2023-04-10T17:50:52Z)
Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文参考訳（メタデータ） (2023-03-07T09:40:22Z)
Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文参考訳（メタデータ） (2021-10-11T07:13:26Z)
Interpretation of 3D CNNs for Brain MRI Data Classification [56.895060189929055]
T1脳MRIにおける拡散テンソル画像の男女差について,これまでの知見を拡張した。ボクセルの3次元CNN解釈を3つの解釈法の結果と比較する。
論文参考訳（メタデータ） (2020-06-20T17:56:46Z)

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。