論文の概要: An end-to-end deep learning pipeline to derive blood input with partial
volume corrections for automated parametric brain PET mapping
- arxiv url: http://arxiv.org/abs/2402.03414v1
- Date: Mon, 5 Feb 2024 17:02:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 18:24:20.269335
- Title: An end-to-end deep learning pipeline to derive blood input with partial
volume corrections for automated parametric brain PET mapping
- Title（参考訳）: 自動パラメトリック脳PETマッピングのための部分容積補正による血液入力を導出するエンド・ツー・エンド深層学習パイプライン
- Authors: Rugved Chavan, Gabriel Hyman, Zoraiz Qureshi, Nivetha Jayakumar,
William Terrell, Stuart Berr, David Schiff, Megan Wardius, Nathan Fountain,
Thomas Muttikkal, Mark Quigg, Miaomiao Zhang, Bijoy Kundu
- Abstract要約: dFDG-PETの定量分析における重要な課題は、患者固有の血液入力機能を特徴づけることである。
本研究では内頸動脈からの非侵襲的ディープラーニングモデルに基づく計算手法を提案する。
ICAセグメンテーションのための3次元U-NetベースのICA-netと、モデル修正血液入力関数の導出のためのリカレントニューラルネットワーク(RNN)ベースのMCIF-netを組み合わせたエンドツーエンドパイプラインを提案する。
- 参考スコア（独自算出の注目度）: 1.3243230917306228
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dynamic 2-[18F] fluoro-2-deoxy-D-glucose positron emission tomography
(dFDG-PET) for human brain imaging has considerable clinical potential, yet its
utilization remains limited. A key challenge in the quantitative analysis of
dFDG-PET is characterizing a patient-specific blood input function,
traditionally reliant on invasive arterial blood sampling. This research
introduces a novel approach employing non-invasive deep learning model-based
computations from the internal carotid arteries (ICA) with partial volume (PV)
corrections, thereby eliminating the need for invasive arterial sampling. We
present an end-to-end pipeline incorporating a 3D U-Net based ICA-net for ICA
segmentation, alongside a Recurrent Neural Network (RNN) based MCIF-net for the
derivation of a model-corrected blood input function (MCIF) with PV
corrections. The developed 3D U-Net and RNN was trained and validated using a
5-fold cross-validation approach on 50 human brain FDG PET datasets. The
ICA-net achieved an average Dice score of 82.18% and an Intersection over Union
of 68.54% across all tested scans. Furthermore, the MCIF-net exhibited a
minimal root mean squared error of 0.0052. The application of this pipeline to
ground truth data for dFDG-PET brain scans resulted in the precise localization
of seizure onset regions, which contributed to a successful clinical outcome,
with the patient achieving a seizure-free state after treatment. These results
underscore the efficacy of the ICA-net and MCIF-net deep learning pipeline in
learning the ICA structure's distribution and automating MCIF computation with
PV corrections. This advancement marks a significant leap in non-invasive
neuroimaging.
- Abstract（参考訳）: 動的2-[18f] fluoro-2-deoxy-d-glucose positron emission tomography (dfdg-pet) の臨床応用の可能性は高いが,利用範囲は限られている。
dFDG-PETの定量分析における重要な課題は、伝統的に侵襲的動脈血液採取に依存した患者固有の血液入力機能を特徴づけることである。
本研究は,内頸動脈 (ICA) からの非侵襲的ディープラーニングモデルに基づく計算を一部容積 (PV) 補正に応用し,侵襲的動脈サンプリングの必要性を排除した新しいアプローチを提案する。
本稿では,3次元U-NetをベースとしたICA-netをICAセグメンテーション用として,リカレントニューラルネットワーク(RNN)ベースのMCIF-netを組み込んだエンドツーエンドパイプラインを提案する。
開発した3D U-NetとRNNは、50のヒト脳FDG PETデータセットに対して、5倍のクロスバリデーションアプローチを用いてトレーニングされ、検証された。
ICA-netのDiceスコアは平均82.18%、Unionのインターセクションは全スキャンで68.54%に達した。
さらにMCIF-netは0.0052の最小ルート平均二乗誤差を示した。
このパイプラインをdFDG-PET脳スキャンの真理データに応用することにより、発作発生領域の正確な局所化が達成され、治療後の発作のない状態が達成された。
これらの結果は,ICA構造分布の学習と,PV補正によるMCIF計算の自動化において,ICA-netおよびMCIF-net深層学習パイプラインの有効性を裏付けるものである。
この進歩は、非侵襲的神経画像化における大きな飛躍を意味する。
関連論文リスト
- Development of Automated Neural Network Prediction for Echocardiographic Left ventricular Ejection Fraction [36.58987036154144]
本稿では,深層ニューラルネットワークとアンサンブル学習に基づく新しいパイプライン手法を提案する。
この手法は,10,030個の心エコー図を含むオープンソースデータセットを用いて開発,検証した。
本研究では、LVEFの自動ニューラルネットワークに基づく計算が、心収縮機能のフレーム・バイ・フレーム手動評価を行う専門医に匹敵することを示した。
論文 参考訳（メタデータ） (2024-03-18T18:09:22Z) - Fully Elman Neural Network: A Novel Deep Recurrent Neural Network
Optimized by an Improved Harris Hawks Algorithm for Classification of
Pulmonary Arterial Wedge Pressure [6.570131476348873]
心臓不全(Heart failure、HF)は、米国で650万人が苦しんでおり、世界中で2300万人以上の心臓血管疾患の1つである。
肺動脈くさび圧(PAWP)を測定する商用の長期植込み型圧力センサは存在しない
本研究では,HHO+を24の単調およびマルチモーダル性能ベンチマーク関数上で提示・テストする。
完全エルマン心室ニューラルネットワーク(FENN)を提案する。
論文 参考訳（メタデータ） (2023-01-16T06:58:20Z) - Detection of Large Vessel Occlusions using Deep Learning by Deforming
Vessel Tree Segmentations [5.408694811103598]
この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。
ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。
5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
論文 参考訳（メタデータ） (2021-12-03T09:07:29Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - 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) - ASL to PET Translation by a Semi-supervised Residual-based
Attention-guided Convolutional Neural Network [3.2480194378336464]
動脈スピンラベリング(ASL)MRIは、脳の血液力学的測定のための非侵襲的、非放射能的、および比較的安価なイメージング技術です。
本稿では,ASLをPET画像に変換する畳み込みニューラルネットワーク(CNN)モデルを提案する。
論文 参考訳（メタデータ） (2021-03-08T22:06:02Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - AIFNet: Automatic Vascular Function Estimation for Perfusion Analysis
Using Deep Learning [0.0]
デコンボリューション法は、臨床的に解釈可能な灌流パラメータを得るために用いられる。
AIFNetは、血管機能を推定するための、完全自動でエンドツーエンドのトレーニング可能なディープラーニングアプローチである。
我々は、AIFNetは、臨床転移の可能性があり、脱畳ソフトウェアに組み込むことができると結論付けた。
論文 参考訳（メタデータ） (2020-10-04T16:14:45Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z)
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。