論文の概要: P-Count: Persistence-based Counting of White Matter Hyperintensities in Brain MRI
- arxiv url: http://arxiv.org/abs/2403.13996v1
- Date: Wed, 20 Mar 2024 21:52:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-22 17:59:26.197620
- Title: P-Count: Persistence-based Counting of White Matter Hyperintensities in Brain MRI
- Title(参考訳): P-Count:脳MRIにおける白質高強度の持続的測定
- Authors: Xiaoling Hu, Annabel Sorby-Adams, Frederik Barkhof, W Taylor Kimberly, Oula Puonti, Juan Eugenio Iglesias,
- Abstract要約: 白色物質過敏症(WMH)は脳血管疾患と多発性硬化症の指標である。
病変の数はノイズやセグメンテーションミスに非常に敏感である。
永続ホモロジーに基づく代数的WMHカウントツールであるP-Countを提案する。
- 参考スコア(独自算出の注目度): 6.710421562390863
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: White matter hyperintensities (WMH) are a hallmark of cerebrovascular disease and multiple sclerosis. Automated WMH segmentation methods enable quantitative analysis via estimation of total lesion load, spatial distribution of lesions, and number of lesions (i.e., number of connected components after thresholding), all of which are correlated with patient outcomes. While the two former measures can generally be estimated robustly, the number of lesions is highly sensitive to noise and segmentation mistakes -- even when small connected components are eroded or disregarded. In this article, we present P-Count, an algebraic WMH counting tool based on persistent homology that accounts for the topological features of WM lesions in a robust manner. Using computational geometry, P-Count takes the persistence of connected components into consideration, effectively filtering out the noisy WMH positives, resulting in a more accurate count of true lesions. We validated P-Count on the ISBI2015 longitudinal lesion segmentation dataset, where it produces significantly more accurate results than direct thresholding.
- Abstract(参考訳): 白色物質過敏症(WMH)は脳血管疾患と多発性硬化症の指標である。
自動WMHセグメンテーション法は、全病変負荷の推定、病変の空間分布、病変数(しきい値以降の連結成分数)を定量的に分析する。
従来の2つの指標は概してしっかりと見積もることができるが、病変の数はノイズやセグメンテーションのミスに非常に敏感である。
本稿では,持続的ホモロジーに基づく代数的WMHカウントツールであるP-Countについて述べる。
計算幾何学を用いて、P-Countは連結成分の持続性を考慮に入れ、ノイズの多いWMH陽性を効果的にフィルタリングし、結果として真の病変をより正確に数える。
また,ISBI2015長手病変セグメンテーションデータセットを用いてP-Countを検証し,直接しきい値よりも有意に精度の高い結果を得た。
関連論文リスト
- TBSS++: A novel computational method for Tract-Based Spatial Statistics [6.1908590616944785]
クロスオブジェクト tract-specific analysis は、dMRIにおける最も一般的な計算の1つである。
これらの研究の正確さと信頼性は、被験者間で同じ白い物質を正確に比較できる能力に基づいている。
既存の手法の限界を克服する新しい計算フレームワークを提案する。
論文 参考訳(メタデータ) (2023-07-07T22:12:51Z) - Meta-Analysis of Transfer Learning for Segmentation of Brain Lesions [0.0]
3次元磁気共鳴(MR)画像からの脳卒中病変の手動分割は、現在の金標準である。
転写学習(TL)と混合データアプローチを用いて訓練した8種類の2次元モデルアーキテクチャを用いて,脳卒中病変の完全自動セグメンテーション手法の実装と試験を行った。
クロスバリデーションの結果,新しい手法は,地中真実と比較して高速かつ高精度に病変を分割できることがわかった。
論文 参考訳(メタデータ) (2023-06-20T17:42:30Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳(メタデータ) (2022-12-20T12:56:28Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳(メタデータ) (2022-12-01T07:32:56Z) - Superficial White Matter Analysis: An Efficient Point-cloud-based Deep
Learning Framework with Supervised Contrastive Learning for Consistent
Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。
ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。
本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
論文 参考訳(メタデータ) (2022-07-18T23:07:53Z) - MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated
Learning [92.91544082745196]
フェデレートラーニング(FL)は医用画像解析に広く用いられている。
FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。
2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-03T14:06:03Z) - Segmentation-Consistent Probabilistic Lesion Counting [3.6513059119482145]
病変数は、疾患の重症度、患者の予後、治療効果の重要な指標であるが、医療画像の課題として数えられることは、しばしばセグメンテーションを支持するために見過ごされる。
本研究は、病変分割予測と病変数確率分布を一貫した方法でマッピングする、新しい連続微分可能な関数を導入する。
論文 参考訳(メタデータ) (2022-04-11T17:26:49Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Dementia Severity Classification under Small Sample Size and Weak
Supervision in Thick Slice MRI [3.0681909921734416]
認知症早期発見は支援戦略の発達において重要な役割を担っている。
視覚的バイオマーカーを用いてFazekasスケールに基づいて疾患の重症度を分類することを提案する。
MRIスタック全体に重症度ラベルを割り当てる形での小さなトレーニングサンプルサイズと弱い監督は、主な課題の一つです。
論文 参考訳(メタデータ) (2021-03-18T07:33:57Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z)
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。