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

• Uncertainty quantification for White Matter Hyperintensity segmentation detects silent failures and improves automated Fazekas quantification [3.1773635209430036]
  ホワイトマター・ハイパーインテンシティ(White Matter Hyperintensities、WMH)は、脳MRIに存在する小血管疾患の主要な神経放射線学的マーカーである。 WMHは, 形状, 位置, サイズ, 未定義境界, および他の病理と類似の強度プロファイルにより, セグメンテーションが困難である。 WMHの不確実性情報を組み込むことで,ファゼカス分類性能と校正性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-11-26T16:34:24Z)
• Every Component Counts: Rethinking the Measure of Success for Medical Semantic Segmentation in Multi-Instance Segmentation Tasks [60.80828925396154]
  本稿では,新しいセマンティックセグメンテーション評価プロトコルであるConnected-Component (CC)-Metricsを提案する。 本研究は,全体PET/CTにおけるセマンティックセグメンテーションの一般的な医療シナリオにおいて,この設定を動機付けている。 既存のセマンティックセグメンテーションのメトリクスが、より大きな接続コンポーネントに対するバイアスにどのように悩まされているかを示す。
  論文  参考訳（メタデータ） (2024-10-24T12:26:05Z)
• Unique MS Lesion Identification from MRI [3.1013246472135543]
  MS白質病変(WML)の特異な同定は,MS進行を特徴付ける上で重要である。 この研究により、脳MRIのWMLからより意味のある統計を計算できるようになる。
  論文  参考訳（メタデータ） (2024-10-12T20:26:26Z)
• 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)
• 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)

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。