論文の概要: FetalDiffusion: Pose-Controllable 3D Fetal MRI Synthesis with Conditional Diffusion Model

• arxiv url: http://arxiv.org/abs/2404.00132v1
• Date: Fri, 29 Mar 2024 19:58:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-04 07:17:12.610792
• Title: FetalDiffusion: Pose-Controllable 3D Fetal MRI Synthesis with Conditional Diffusion Model
• Title（参考訳）: 胎児拡散:条件付き拡散モデルを用いた3次元胎児MRI合成
• Authors: Molin Zhang, Polina Golland, Patricia Ellen Grant, Elfar Adalsteinsson,
• Abstract要約: FetalDiffusionは,3次元合成胎児MRIを合成可能なポーズで生成する新しい手法である。 本研究は, 高精度かつ認識可能な胎児のポーズを持つ高品質な合成胎児MRI画像を作成することによって, 提案モデルの成功を実証するものである。 本手法は, リアルタイム追跡モデルの改善を約束し, 胎児運動の問題をより効果的に解決する。
• 参考スコア（独自算出の注目度）: 5.076429534803331
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The quality of fetal MRI is significantly affected by unpredictable and substantial fetal motion, leading to the introduction of artifacts even when fast acquisition sequences are employed. The development of 3D real-time fetal pose estimation approaches on volumetric EPI fetal MRI opens up a promising avenue for fetal motion monitoring and prediction. Challenges arise in fetal pose estimation due to limited number of real scanned fetal MR training images, hindering model generalization when the acquired fetal MRI lacks adequate pose. In this study, we introduce FetalDiffusion, a novel approach utilizing a conditional diffusion model to generate 3D synthetic fetal MRI with controllable pose. Additionally, an auxiliary pose-level loss is adopted to enhance model performance. Our work demonstrates the success of this proposed model by producing high-quality synthetic fetal MRI images with accurate and recognizable fetal poses, comparing favorably with in-vivo real fetal MRI. Furthermore, we show that the integration of synthetic fetal MR images enhances the fetal pose estimation model's performance, particularly when the number of available real scanned data is limited resulting in 15.4% increase in PCK and 50.2% reduced in mean error. All experiments are done on a single 32GB V100 GPU. Our method holds promise for improving real-time tracking models, thereby addressing fetal motion issues more effectively.
• Abstract（参考訳）: 胎児MRIの質は、予測不可能で実質的な胎児運動に大きく影響され、高速な取得シーケンスが採用されてもアーティファクトの導入につながる。 体積型EPI胎児MRIにおける3次元リアルタイムポーズ推定手法の開発は、胎児の動きのモニタリングと予測のための有望な道を開く。 実際の胎児MRI訓練画像の数が限られていることによる胎児のポーズ推定の課題は、取得した胎児MRIが適切なポーズを欠いている場合に、モデル一般化を妨げる。 本研究では,条件付き拡散モデルを用いた3次元合成胎児MRIの新規なアプローチであるFetalDiffusionを紹介する。 さらに、モデル性能を高めるために補助ポーズレベル損失が採用される。 本研究は, 高品質な合成胎児MRI画像の精度, 認識可能な胎児のポーズを再現し, 実胎児MRIと比較することにより, 本モデルの有効性を実証するものである。 さらに, 人工胎児MR画像の統合により胎児のポーズ推定モデルの性能が向上し, 特に実検データ数が制限された場合, PCKは15.4%増加し, 平均誤差は50.2%減少した。 すべての実験は、32GBのV100 GPUで行われます。 本手法は, リアルタイム追跡モデルの改善を約束し, 胎児運動の問題をより効果的に解決する。

関連論文リスト

• Accelerated, Robust Lower-Field Neonatal MRI with Generative Models [2.508200203858861]
  新生児MRI(Neonatal Magnetic Resonance Imaging)は、早期発達期における脳の異常の非侵襲的評価を可能にする。 近年、新生児集中治療ユニット(NICU)の移植性とアクセスのために磁場強度をトレードオフする低磁場(すなわち1.5テスラ以下)MRIシステムへの関心が高まっている。 この研究は、拡散に基づく生成モデルと信号処理に基づくモーションモデリングにより、運動堅牢性を改善し、低磁場新生児MRIを加速する。
  論文  参考訳（メタデータ） (2024-10-28T23:12:09Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。 我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。 我々の推論速度は拡散法よりも1,400倍速い。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• HAITCH: A Framework for Distortion and Motion Correction in Fetal Multi-Shell Diffusion-Weighted MRI [5.393543723150301]
  この研究は、マルチシェル高角解像度胎児dMRIデータの修正と再構成を行う最初の、かつ唯一公開されたツールであるHAITCHを提示する。 HaITCHは、動的歪み補正のためのblip-reversed dual-echo取得を含む、いくつかの技術的進歩を提供している。 HaITCHはアーティファクトの除去に成功し、高度な拡散モデリングに適した高忠実度胎児dMRIデータを再構成する。
  論文  参考訳（メタデータ） (2024-06-28T16:40:57Z)
• Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion [47.83003164569194]
  超高分解能・高分解能3次元乳児脳MRIにおける2段階拡散モデルCas-DiffComを提案する。 Cas-DiffCom は縦型乳幼児脳画像における個々の一貫性と高忠実度を両立することを確認した。
  論文  参考訳（メタデータ） (2024-02-21T12:54:40Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• AFFIRM: Affinity Fusion-based Framework for Iteratively Random Motion correction of multi-slice fetal brain MRI [8.087220876070477]
  Affinity Fusion-based Framework for Iteratively Random Motion correct of the multi-slice fetal brain MRI。 複数のスライスからシーケンシャルな動きを学習し、親和性融合を用いて2次元スライスと再構成された3次元ボリュームの特徴を統合する。 この方法は、脳の向きに関係なく正確に動きを推定し、シミュレートされた動き破壊データに対して、他の最先端の学習法より優れる。
  論文  参考訳（メタデータ） (2022-05-12T02:54:55Z)
• 4D iterative reconstruction of brain fMRI in the moving fetus [1.8492120771993543]
  本手法の精度を実地臨床用fMRI胎児群で定量的に評価した。 その結果,従来の3D手法と比較して再現性の向上が見られた。
  論文  参考訳（メタデータ） (2021-11-22T18:12:21Z)
• Enhanced detection of fetal pose in 3D MRI by Deep Reinforcement Learning with physical structure priors on anatomy [1.8648073685057092]
  MRIで胎児のポーズをリアルタイムで推定することは、胎児の運動アーティファクトを検出し、緩和するための先進的な方法の恩恵を受ける。 深部強化学習(DRL)の最近の進歩は胎児のランドマーク検出に新しいアプローチを提供する。 このタスクでは、DRLにより15のランドマークを同時に検出するために15のエージェントが配置される。 生体内データの3mm解像度のレポジトリにおけるこの手法の評価は、10mmの地中真理の範囲内におけるランドマーク推定の平均精度が87.3%、平均誤差が6.9mmであることを示す。
  論文  参考訳（メタデータ） (2020-07-16T07:10:21Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。