Fugu-MT 論文翻訳(概要): V2C-Long: Longitudinal Cortex Reconstruction with Spatiotemporal Correspondence

論文の概要: V2C-Long: Longitudinal Cortex Reconstruction with Spatiotemporal Correspondence

arxiv url: http://arxiv.org/abs/2402.17438v1
Date: Tue, 27 Feb 2024 11:50:44 GMT
ステータス: 処理完了
システム内更新日: 2024-02-28 16:35:12.546906
Title: V2C-Long: Longitudinal Cortex Reconstruction with Spatiotemporal Correspondence
Title（参考訳）: V2C-Long:経時的対応による縦隔皮質再建術
Authors: Fabian Bongratz, Jan Fecht, Anne-Marie Rickmann, Christian Wachinger
Abstract要約: V2-Longは経時的MRIの深層学習に基づく最初の大脳皮質再建法である。既存の方法とは対照的に、V2C-Long曲面は断面的および縦方向の方法で直接比較される。内部および外部試験データによる結果から,V2-Longは従来法に比べて精度と整合性が改善された。
参考スコア（独自算出の注目度）: 4.8201607588546
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Reconstructing the cortex from longitudinal MRI is indispensable for analyzing morphological changes in the human brain. Despite the recent disruption of cortical surface reconstruction with deep learning, challenges arising from longitudinal data are still persistent. Especially the lack of strong spatiotemporal point correspondence hinders downstream analyses due to the introduced noise. To address this issue, we present V2C-Long, the first dedicated deep learning-based cortex reconstruction method for longitudinal MRI. In contrast to existing methods, V2C-Long surfaces are directly comparable in a cross-sectional and longitudinal manner. We establish strong inherent spatiotemporal correspondences via a novel composition of two deep mesh deformation networks and fast aggregation of feature-enhanced within-subject templates. The results on internal and external test data demonstrate that V2C-Long yields cortical surfaces with improved accuracy and consistency compared to previous methods. Finally, this improvement manifests in higher sensitivity to regional cortical atrophy in Alzheimer's disease.
Abstract（参考訳）: 縦型mriから皮質を再構築することは、ヒトの脳の形態変化を分析する上で不可欠である。最近の深層学習による皮質表面再構成の混乱にもかかわらず、縦断データから生じる課題は依然として続いている。特に強時空間対応の欠如は、導入した雑音による下流解析を妨げる。この問題に対処するため,V2C-Longは縦型MRIのための,初めて専用の深層学習型大脳皮質再建法である。既存の方法とは対照的に、V2C-Long曲面は断面的および縦方向の方法で直接比較される。 2つのディープメッシュ変形ネットワークの新規構成と特徴強化されたイントラサブジェクトテンプレートの高速集約により,強固有時空間対応を確立する。内部および外部試験データから,V2C-Longは従来法に比べて精度と整合性が改善された。最後に、この改善はアルツハイマー病の局所性皮質萎縮に対する高い感受性を示す。

関連論文リスト

Neural deformation fields for template-based reconstruction of cortical surfaces from MRI [5.4173776411667935]
本稿では,脳テンプレートからMRIスキャンの皮質表面への変形場を学習するディープメッシュ変形技術であるVox2Cortex-Flowを紹介する。 V2C-Flowは非常に高速なだけでなく、4つの皮質表面を推測するのに2秒もかからない。 V2C-Flowは精度の点で最先端の皮質表面を呈することを示す。
論文参考訳（メタデータ） (2024-01-23T17:50:58Z)
CortexMorph: fast cortical thickness estimation via diffeomorphic registration using VoxelMorph [0.08122270502556374]
皮質帯の厚みは、様々な神経学的および精神医学的条件と結びついている。合成大脳皮質厚ファントムを用いた最近の研究により、DiReCTと深層学習に基づくセグメンテーションの組み合わせは、Freesurferよりも下位大脳皮質の薄化に敏感であることが示されている。本稿では,教師なし深層学習を用いた新しい手法であるCortexMorphを提案する。
論文参考訳（メタデータ） (2023-07-21T13:18:43Z)
Long Short-term Memory with Two-Compartment Spiking Neuron [64.02161577259426]
LSTM-LIFとよばれる,生物学的にインスパイアされたLong Short-Term Memory Leaky Integrate-and-Fireのスパイキングニューロンモデルを提案する。実験結果は,時間的分類タスクの多種多様な範囲において,優れた時間的分類能力,迅速な訓練収束,ネットワークの一般化性,LSTM-LIFモデルの高エネルギー化を実証した。したがって、この研究は、新しいニューロモルフィック・コンピューティング・マシンにおいて、困難な時間的処理タスクを解決するための、無数の機会を開放する。
論文参考訳（メタデータ） (2023-07-14T08:51:03Z)
Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
論文参考訳（メタデータ） (2023-06-09T02:05:40Z)
Joint Reconstruction and Parcellation of Cortical Surfaces [3.9198548406564604]
脳MRI画像からの大脳皮質表面の再構成は、アルツハイマー病(AD)のような神経変性疾患における脳形態解析と皮質シンニングの検出に有用である本研究では,グラフ分類分岐に基づく2つの選択肢と,新しい汎用的な3次元再構成損失に基づく2つの選択肢を提案し,テンプレート・デフォーメーション・アルゴリズムを改良する。我々はDiceスコア90.2(グラフ分類分岐)と90.4(復元損失90.4)の高精度なパーセレーションと最先端のサーフェスを同時に達成した。
論文参考訳（メタデータ） (2022-09-19T11:45:39Z)
Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文参考訳（メタデータ） (2022-06-30T13:04:42Z)
Vox2Cortex: Fast Explicit Reconstruction of Cortical Surfaces from 3D MRI Scans with Geometric Deep Neural Networks [3.364554138758565]
深層学習に基づくアルゴリズムであるVox2Cortexを提案する。我々は3つの脳MRIデータセットの広範な実験で、我々のメッシュは現場の最先端の方法で再構築されたものと同じくらい正確であることを示した。
論文参考訳（メタデータ） (2022-03-17T17:06:00Z)
Longitudinal Correlation Analysis for Decoding Multi-Modal Brain Development [17.970347089803596]
縦相関解析(LCA)という解析手法を提案する。 LCAは、まず各モーダルからの入力をオートエンコーダに基づく潜在表現に還元することで、2つのモーダルのデータを結合する。若年者におけるアルコール・神経発達に関する全国コンソーシアム679名の縦断的T1強調および拡散強調MRI解析にLCAを適用した。
論文参考訳（メタデータ） (2021-07-10T00:07:06Z)
Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
論文参考訳（メタデータ） (2020-09-06T18:46:04Z)
4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
論文参考訳（メタデータ） (2020-04-20T11:41:01Z)
Microvascular Dynamics from 4D Microscopy Using Temporal Segmentation [81.30750944868142]
経時的に脳血流量の変化を追跡でき, ピアル表面に向かって伝播する自発性動脈拡張を同定できる。この新たなイメージング機能は、機能的磁気共鳴イメージング(fMRI)を基盤とした血行動態応答関数を特徴付けるための有望なステップである。
論文参考訳（メタデータ） (2020-01-14T22:55:03Z)

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。