論文の概要: Predicting Hypoxia in Brain Tumors from Multiparametric MRI
- arxiv url: http://arxiv.org/abs/2401.14171v1
- Date: Thu, 25 Jan 2024 13:28:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 14:32:39.963128
- Title: Predicting Hypoxia in Brain Tumors from Multiparametric MRI
- Title（参考訳）: マルチパラメトリックMRIによる脳腫瘍の低酸素化予測
- Authors: Daniele Perlo and Georgia Kanli and Selma Boudissa and Olivier Keunen
- Abstract要約: マルチパラメトリックMRI(Multi-parametric Magnetic Resonance Imaging)を用いた脳腫瘍の低酸素化予測のための新しいアプローチを提案する。
訓練されたモデルはMRIの特徴と対応するFMISO PET信号の複雑な関係を効果的に学習する。
その結果、予測されたFMISO PET信号と実際のFMISO PET信号の相関が強く、PSNRスコアは29.6以上、SSIMスコアは0.94以上であった。
- 参考スコア（独自算出の注目度）: 0.06595985097582759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research paper presents a novel approach to the prediction of hypoxia in
brain tumors, using multi-parametric Magnetic Resonance Imaging (MRI). Hypoxia,
a condition characterized by low oxygen levels, is a common feature of
malignant brain tumors associated with poor prognosis. Fluoromisonidazole
Positron Emission Tomography (FMISO PET) is a well-established method for
detecting hypoxia in vivo, but it is expensive and not widely available. Our
study proposes the use of MRI, a more accessible and cost-effective imaging
modality, to predict FMISO PET signals. We investigate deep learning models
(DL) trained on the ACRIN 6684 dataset, a resource that contains paired MRI and
FMISO PET images from patients with brain tumors. Our trained models
effectively learn the complex relationships between the MRI features and the
corresponding FMISO PET signals, thereby enabling the prediction of hypoxia
from MRI scans alone. The results show a strong correlation between the
predicted and actual FMISO PET signals, with an overall PSNR score above 29.6
and a SSIM score greater than 0.94, confirming MRI as a promising option for
hypoxia prediction in brain tumors. This approach could significantly improve
the accessibility of hypoxia detection in clinical settings, with the potential
for more timely and targeted treatments.
- Abstract（参考訳）: 本研究では,マルチパラメトリック磁気共鳴画像(MRI)を用いた脳腫瘍の低酸素化予測法を提案する。
低酸素症は低酸素血症を特徴とし、予後不良を伴う悪性脳腫瘍の一般的な特徴である。
フルオロミソニダゾールポジトロントモグラフィ(FMISO PET)は、生体内で低酸素症を検出するための確立された方法であるが、高価で広く利用できない。
本研究は、FMISO PET信号の予測に、よりアクセシブルで費用対効果の高い画像モダリティであるMRIを用いることを提案する。
脳腫瘍患者からのmriとfmiso pet画像の対を含むリソースであるaclin 6684データセットでトレーニングされた深層学習モデル(dl)について検討した。
訓練されたモデルはMRIの特徴とFMISO PET信号との複雑な関係を効果的に学習し、MRIスキャンだけで低酸素の予測を可能にする。
その結果、予測されたFMISO PET信号と実際のFMISO PET信号の相関が強く、PSNRスコアが29.6以上、SSIMスコアが0.94以上となり、MRIが脳腫瘍の低酸素予知の候補となることが確認された。
このアプローチは、臨床的設定における低酸素検出のアクセシビリティを大幅に向上させ、よりタイムリーで標的とした治療の可能性を高める。
関連論文リスト
- Joint PET-MRI Reconstruction with Diffusion Stochastic Differential Model [19.062446884016854]
PETは低信号対雑音比に苦しむ一方、MRIにおけるk空間データ取得プロセスは時間を要する。
PETとMRIの学習継手確率分布に基づく拡散微分方程式による新しい継手再構成モデルを提案する。
論文 参考訳（メタデータ） (2024-08-07T04:01:50Z) - Functional Imaging Constrained Diffusion for Brain PET Synthesis from Structural MRI [5.190302448685122]
新しい制約拡散モデル (CDM) を用いて, 入力条件として2組構造MRIを用いた3次元脳PET画像合成のためのフレームワークを提案する。
FICDはPETにノイズを導入し、CDMで徐々に除去する。
CDMは、各denoized PETと基底真理との間のボクセルワイドアライメントを確保するために、機能的イメージング制約を導入して、denoized PETを予測することを学ぶ。
論文 参考訳（メタデータ） (2024-05-03T22:33:46Z) - Three-Dimensional Amyloid-Beta PET Synthesis from Structural MRI with Conditional Generative Adversarial Networks [45.426889188365685]
アルツハイマー病の徴候には、アミロイド-ベタ鉱床と脳萎縮がある。
PETは高価で侵襲的であり、患者を電離放射線に曝す。
MRIはより安価で、非侵襲的で、電離放射線を含まないが、脳萎縮の測定に限られる。
論文 参考訳（メタデータ） (2024-05-03T14:10:29Z) - Revolutionizing Disease Diagnosis with simultaneous functional PET/MR and Deeply Integrated Brain Metabolic, Hemodynamic, and Perfusion Networks [40.986069119392944]
マルチモーダルなMiXture-of-expertsアライメント再構成とモデルであるMX-ARMを提案する。
モダリティは分離可能で交換可能であり、異なる多層パーセプトロン(「専門家の混合」)を学習可能な重みを通して動的に割り当て、異なるモダリティからそれぞれの表現を学ぶ。
論文 参考訳（メタデータ） (2024-03-29T08:47:49Z) - 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) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Synthesizing PET images from High-field and Ultra-high-field MR images Using Joint Diffusion Attention Model [18.106861006893524]
PETスキャンはコストが高く、放射性曝露を伴うため、PETが欠如する。
超高磁場イメージングは臨床と学術の両方で有用であることが証明されている。
高速MRIと超高磁場MRIの合成PET法を提案する。
論文 参考訳（メタデータ） (2023-05-06T02:41:03Z) - Brain MRI-to-PET Synthesis using 3D Convolutional Attention Networks [10.095428964324874]
放射線標識水(15O-water)を用いたPET(Positron emission tomography)はヒトの脳血流測定における金標準であると考えられている。
PETイメージングは、その禁止コストと、通常現場でのサイクロトロン生産を必要とする短命な放射性医薬品トレーサの使用により、広く利用できない。
本研究では,マルチシーケンスMRIスキャンから金標準の15O-PET CBFを予測するためのアテンション機構を備えた畳み込みエンコーダデコーダネットワークを提案する。
論文 参考訳（メタデータ） (2022-11-22T08:25:44Z) - Multi-task Deep Learning for Cerebrovascular Disease Classification and
MRI-to-PET Translation [9.315779561461902]
本稿では,脳MRIからPETへの翻訳と疾患診断のためのマルチタスク学習フレームワークを提案する。
提案フレームワークは,(1)マルチコントラストMRI画像から高品質PET CBFマップを合成する注意型3Dエンコーダ・デコーダ畳み込みニューラルネットワーク(CNN)と,(2)入力されたMRI画像に対応する脳疾患を識別するマルチスケール3D CNNとからなる。
論文 参考訳（メタデータ） (2022-02-12T21:02:45Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep
learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。
ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文 参考訳（メタデータ） (2021-02-25T14:52:23Z)
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。