論文の概要: Accelerated Proton Resonance Frequency-based Magnetic Resonance Thermometry by Optimized Deep Learning Method
- arxiv url: http://arxiv.org/abs/2407.03308v1
- Date: Wed, 3 Jul 2024 17:49:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 13:05:47.109183
- Title: Accelerated Proton Resonance Frequency-based Magnetic Resonance Thermometry by Optimized Deep Learning Method
- Title（参考訳）: 最適化深層学習法による陽子共鳴周波数に基づく磁気共鳴温度測定
- Authors: Sijie Xu, Shenyan Zong, Chang-Sheng Mei, Guofeng Shen, Yueran Zhao, He Wang,
- Abstract要約: 本研究の目的は, 動的MR温度マップ再構成における時間分解能の向上である。
トレーニング最適化手法と5つの古典的ニューラルネットワークを2倍および4倍のアンダーサンプリングk空間データに適用した。
深層学習に基づく再建は、臨床FUS熱療法におけるMRサーモメトリーの精度と効率を著しく向上させることができる。
- 参考スコア（独自算出の注目度）: 5.861289150568138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Proton resonance frequency (PRF) based MR thermometry is essential for focused ultrasound (FUS) thermal ablation therapies. This work aims to enhance temporal resolution in dynamic MR temperature map reconstruction using an improved deep learning method. The training-optimized methods and five classical neural networks were applied on the 2-fold and 4-fold under-sampling k-space data to reconstruct the temperature maps. The enhanced training modules included offline/online data augmentations, knowledge distillation, and the amplitude-phase decoupling loss function. The heating experiments were performed by a FUS transducer on phantom and ex vivo tissues, respectively. These data were manually under-sampled to imitate acceleration procedures and trained in our method to get the reconstruction model. The additional dozen or so testing datasets were separately obtained for evaluating the real-time performance and temperature accuracy. Acceleration factors of 1.9 and 3.7 were found for 2 times and 4 times k-space under-sampling strategies and the ResUNet-based deep learning reconstruction performed exceptionally well. In 2-fold acceleration scenario, the RMSE of temperature map patches provided the values of 0.888 degree centigrade and 1.145 degree centigrade on phantom and ex vivo testing datasets. The DICE value of temperature areas enclosed by 43 degree centigrade isotherm was 0.809, and the Bland-Altman analysis showed a bias of -0.253 degree centigrade with the apart of plus or minus 2.16 degree centigrade. In 4 times under-sampling case, these evaluating values decreased by approximately 10%. This study demonstrates that deep learning-based reconstruction can significantly enhance the accuracy and efficiency of MR thermometry for clinical FUS thermal therapies.
- Abstract（参考訳）: プロトン共鳴周波数(PRF)に基づくMR熱測定は集束超音波(FUS)熱アブレーション療法に不可欠である。
本研究の目的は, 動的MR温度マップ再構成における時間分解能の向上である。
トレーニング最適化手法と5つの古典的ニューラルネットワークを2次元および4次元のアンダーサンプリングk空間データに適用し、温度マップを再構成した。
強化されたトレーニングモジュールには、オフライン/オンラインデータ拡張、知識蒸留、振幅相分離損失関数が含まれていた。
加熱実験はファントムおよび生体外組織のFUSトランスデューサを用いて行った。
これらのデータは,加速手順を模倣するために手動でアンダーサンプル化され,再建モデルを得るために本手法で訓練された。
さらに、リアルタイムのパフォーマンスと温度の精度を評価するために、数十以上のテストデータセットが別々に取得された。
1.9と3.7の加速係数は2倍と4倍のk空間アンダーサンプリング戦略で発見され、ResUNetベースのディープラーニング再構成は非常に良好に行われた。
2倍の加速シナリオでは、温度マップのRMSEは、ファントムおよび生体外試験データセット上で0.888度と1.145度という値を提供した。
43°C等温線を囲む温度領域のDICE値は0.809であり,Bland-Altman 分析では-0.253°Cの偏差がプラス2.16°Cであった。
アンダーサンプリングでは,これらの評価値は約10%減少した。
本研究は,深層学習に基づく再建が,臨床FUS熱療法におけるMRサーモメトリーの精度と効率を著しく向上することを示した。
関連論文リスト
- Evaluating probabilistic and data-driven inference models for fiber-coupled NV-diamond temperature sensors [0.7140163200313723]
連続波光磁気共鳴(ODMR)測定による温度推定における推定モデルが不確実性に与える影響について検討した。
このモデルでは、スピンハミルトンパラメータの温度依存性を利用して、ODMRデータのスペクトル特徴から温度を推定する。
論文 参考訳（メタデータ） (2024-09-14T17:23:20Z) - PhysRFANet: Physics-Guided Neural Network for Real-Time Prediction of
Thermal Effect During Radiofrequency Ablation Treatment [0.9895793818721335]
本稿では物理誘導型ニューラルネットワークモデルPhysRFANetを提案する。
術前の腫瘍像では,96%のDiceスコアと0.4854のRMSE値が得られた。
論文 参考訳（メタデータ） (2023-12-21T15:36:52Z) - Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。
トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。
実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
論文 参考訳（メタデータ） (2023-06-29T16:24:32Z) - Generalizable synthetic MRI with physics-informed convolutional networks [57.628770497971246]
物理インフォームド・ディープ・ラーニング(Deep Learning-based)法を開発し,複数の脳磁気共鳴画像(MRI)のコントラストを1つの5分間の取得から合成する。
我々は、任意のコントラストに一般化し、ニューロイメージングプロトコルを加速する能力について検討する。
論文 参考訳（メタデータ） (2023-05-21T21:16:20Z) - DistilPose: Tokenized Pose Regression with Heatmap Distillation [81.21273854769765]
本研究では,熱マップに基づく手法と回帰に基づく手法のギャップを埋める,DistilPoseと呼ばれる新しいポーズ推定フレームワークを提案する。
DistilPoseは、教師モデル(ヒートマップベース)から生徒モデル(レグレッションベース)への知識伝達を、Token-distilling (TDE) と Simulated Heatmaps を通じて最大化する。
論文 参考訳（メタデータ） (2023-03-04T16:56:29Z) - A deep learning method based on patchwise training for reconstructing
temperature field [10.422905687540172]
本研究は、限られた観測から電子機器の温度場を正確に再構築するためのパッチワイズトレーニングに基づく新しい深層学習手法を提案する。
再構成された温度場の絶対誤差はパッチワイドトレーニング法で1K未満である。
論文 参考訳（メタデータ） (2022-01-26T10:42:23Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - Measurement of the Low-temperature Loss Tangent of High-resistivity
Silicon with a High Q-factor Superconducting Resonator [58.720142291102135]
温度70mKから1Kの範囲で高比抵抗(100)シリコンウェハの直接損失タンジェント測定を行った。
この測定は, 高温超伝導ニオブ共振器を利用した技術を用いて行った。
論文 参考訳（メタデータ） (2021-08-19T20:13:07Z) - Deep correction of breathing-related artifacts in real-time
MR-thermometry [0.5727060643816255]
畳み込みニューラルネットワーク(CNN)は、温暖化以前の予備学習段階で得られた画像から、見かけの温度摂動を学習するために設計された。
その後の温熱処理では、現在の温度マップのオンライン補正を生成するために、最近の等級画像が入力として使用される。
術式は,12名の無呼吸ボランティアで評価され,すべての検査例で頑健で無人工物であることが判明した。
論文 参考訳（メタデータ） (2020-11-10T10:30:41Z) - Real-time estimation of the optically detected magnetic resonance shift
in diamond quantum thermometry [47.50219326456544]
ナノダイヤモンド(NDs)における窒素空孔中心の光検出磁気共鳴(ODMR)の周波数シフトのリアルタイム推定手法について検討する。
近年,多点ODMR測定とND粒子追跡を蛍光顕微鏡に効果的に統合することで,生体内温度の安定なモニタリングが実証されている。
論文 参考訳（メタデータ） (2020-06-12T01:44:35Z)
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。