論文の概要: The MRI Scanner as a Diagnostic: Image-less Active Sampling

• arxiv url: http://arxiv.org/abs/2406.16754v1
• Date: Mon, 24 Jun 2024 16:00:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-25 14:05:36.927119
• Title: The MRI Scanner as a Diagnostic: Image-less Active Sampling
• Title（参考訳）: 診断用MRIスキャナー:画像レスアクティブサンプリング
• Authors: Yuning Du, Rohan Dharmakumar, Sotirios A. Tsaftaris,
• Abstract要約: そこで我々は, 患者レベルにおいて, k空間のアンサンプから疾患を直接推測するために, 強化学習を通じて, 能動的サンプリング戦略を学習するMLベースのフレームワークを提案する。 我々は,Meniscus Tearをアンダーサンプル膝MRIで評価し,MLによる診断に匹敵する診断性能が得られた。
• 参考スコア（独自算出の注目度）: 9.964204750574469
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the high diagnostic accuracy of Magnetic Resonance Imaging (MRI), using MRI as a Point-of-Care (POC) disease identification tool poses significant accessibility challenges due to the use of high magnetic field strength and lengthy acquisition times. We ask a simple question: Can we dynamically optimise acquired samples, at the patient level, according to an (automated) downstream decision task, while discounting image reconstruction? We propose an ML-based framework that learns an active sampling strategy, via reinforcement learning, at a patient-level to directly infer disease from undersampled k-space. We validate our approach by inferring Meniscus Tear in undersampled knee MRI data, where we achieve diagnostic performance comparable with ML-based diagnosis, using fully sampled k-space data. We analyse task-specific sampling policies, showcasing the adaptability of our active sampling approach. The introduced frugal sampling strategies have the potential to reduce high field strength requirements that in turn strengthen the viability of MRI-based POC disease identification and associated preliminary screening tools.
• Abstract（参考訳）: MRIの診断精度が高いにもかかわらず、MRIをPOC(Point-of-Care)疾患識別ツールとして用いると、高磁場強度と長い取得時間の使用により、アクセシビリティーに重大な課題が生じる。 画像再構成を割引しながら、(自動)下流意思決定タスクに従って、取得したサンプルを患者レベルで動的に最適化できるのか? そこで我々は, 患者レベルにおいて, k空間のアンサンプから疾患を直接推測するために, 強化学習を通じて, 能動的サンプリング戦略を学習するMLベースのフレームワークを提案する。 我々は,Meniscus Tearをアンダーサンプル膝MRIデータで推定し,全サンプルk空間データを用いてMLによる診断に匹敵する診断性能を得られた。 タスク固有のサンプリングポリシーを分析し、アクティブサンプリングアプローチの適応性を示す。 導入されたフラガアルサンプリング戦略は、MRIベースのPOC疾患の診断と関連する事前スクリーニングツールの生存性を高めるために、高磁場強度要求を低減できる可能性がある。

関連論文リスト

• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• CL-MRI: Self-Supervised Contrastive Learning to Improve the Accuracy of Undersampled MRI Reconstruction [25.078280843551322]
  コントラスト学習を用いた自己教師付き事前訓練手法を導入し,MRI画像再構成の精度を向上する。 本実験は, 各種加速度因子およびデータセットの再構成精度の向上を実証した。
  論文  参考訳（メタデータ） (2023-06-01T10:29:58Z)
• On the Feasibility of Machine Learning Augmented Magnetic Resonance for Point-of-Care Identification of Disease [16.052314124109223]
  多くの生命を脅かす病気の早期発見は臨床結果を改善し、医療費を削減できる。 疾患診断におけるMR画像の精度が高いにもかかわらず、Point-of-Care病の診断ツールとして使用されていない。 そこで本研究では,1) 疾患の特定精度を最大化するk空間のサブセットを同定し,2) 特定したk空間サブセットを用いて疾患を直接推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-01-27T19:32:27Z)
• Iterative Data Refinement for Self-Supervised MR Image Reconstruction [18.02961646651716]
  自己教師型MR画像再構成のためのデータ改質フレームワークを提案する。 まず,自己教師付き手法と教師付き手法のパフォーマンスギャップの原因を解析する。 そして、このデータバイアスを低減するために、効果的な自己教師付きトレーニングデータ精錬法を設計する。
  論文  参考訳（メタデータ） (2022-11-24T06:57:16Z)
• Adaptive PromptNet For Auxiliary Glioma Diagnosis without Contrast-Enhanced MRI [11.231836756951655]
  マルチコントラストMRI(Multi-Contrast MRI)をベースとした自動補助グリオーマ診断はクリニックにおいて重要な役割を担っている。 コントラスト強調MRI(コントラスト強調T1強調画像)は、既存の研究の多くで利用された。 しかし、コントラスト強調画像の取得は、患者の生理的制約のため、実現不可能な場合もある。 医院で造影MRIデータを収集するのには、時間と費用がかかる。
  論文  参考訳（メタデータ） (2022-11-15T08:02:54Z)
• Interpretability Aware Model Training to Improve Robustness against Out-of-Distribution Magnetic Resonance Images in Alzheimer's Disease Classification [8.050897403457995]
  異なるMRIハードウェアから派生した分布外サンプルに対するロバスト性を改善するために,解釈可能性を考慮した対向訓練システムを提案する。 本報告では, 分布外のサンプルに対して有望な性能を示す予備的な結果を示す。
  論文  参考訳（メタデータ） (2021-11-15T04:42:47Z)
• Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
  本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。 矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。 本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
  論文  参考訳（メタデータ） (2021-05-18T11:37:57Z)
• Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
  我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。 低解像を補うための強力な深層学習に基づく画像強化手法を検討する。 復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
  論文  参考訳（メタデータ） (2021-03-04T10:45:01Z)
• ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
  SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。 ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
  論文  参考訳（メタデータ） (2021-02-25T14:52:23Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。