論文の概要: Rethinking Medical Anomaly Detection in Brain MRI: An Image Quality Assessment Perspective

• arxiv url: http://arxiv.org/abs/2408.08228v1
• Date: Thu, 15 Aug 2024 15:55:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-16 13:26:45.297464
• Title: Rethinking Medical Anomaly Detection in Brain MRI: An Image Quality Assessment Perspective
• Title（参考訳）: 脳MRIにおける医学的異常検出の再考 : 画像品質評価の観点から
• Authors: Zixuan Pan, Jun Xia, Zheyu Yan, Guoyue Xu, Yawen Wu, Zhenge Jia, Jianxu Chen, Yiyu Shi,
• Abstract要約: 構造類似度指数の損失をl1損失と組み合わせた核融合品質損失関数を提案する。 また,正常領域と異常領域の平均強度比(AIR)を高めるデータ前処理戦略を導入し,異常の識別を改善した。 提案したIQAアプローチは,BraTS21(T2,FLAIR)およびMSULBデータセット上のDice係数(DICE)とAUPRC(Area Under the Precision-Recall Curve)において,大幅な改善(>10%)を達成している。
• 参考スコア（独自算出の注目度）: 14.39502951611029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstruction-based methods, particularly those leveraging autoencoders, have been widely adopted to perform anomaly detection in brain MRI. While most existing works try to improve detection accuracy by proposing new model structures or algorithms, we tackle the problem through image quality assessment, an underexplored perspective in the field. We propose a fusion quality loss function that combines Structural Similarity Index Measure loss with l1 loss, offering a more comprehensive evaluation of reconstruction quality. Additionally, we introduce a data pre-processing strategy that enhances the average intensity ratio (AIR) between normal and abnormal regions, further improving the distinction of anomalies. By fusing the aforementioned two methods, we devise the image quality assessment (IQA) approach. The proposed IQA approach achieves significant improvements (>10%) in terms of Dice coefficient (DICE) and Area Under the Precision-Recall Curve (AUPRC) on the BraTS21 (T2, FLAIR) and MSULB datasets when compared with state-of-the-art methods. These results highlight the importance of invoking the comprehensive image quality assessment in medical anomaly detection and provide a new perspective for future research in this field.
• Abstract（参考訳）: 再構成に基づく手法、特にオートエンコーダを利用する手法は、脳MRIで異常検出を行うために広く採用されている。 既存のほとんどの研究は、新しいモデル構造やアルゴリズムを提案することによって、検出精度の向上を図っているが、画像品質評価(この分野における未調査の視点)により、この問題に対処する。 構造類似度指数の損失をl1損失と組み合わせた核融合品質損失関数を提案する。 さらに,正常領域と異常領域の平均強度比(AIR)を高めるデータ前処理手法を導入し,異常の識別をさらに改善した。 上記の2つの手法を融合させることで、画像品質評価(IQA)アプローチを考案する。 提案手法は,BraTS21(T2,FLAIR)およびMSULBデータセットのDice係数(DICE)およびAUPRC(Area Under the Precision-Recall Curve)において,最先端の手法と比較して,大幅な改善(>10%)を達成している。 これらの結果は,医学的異常検出における包括的画像品質評価の実施の重要性を強調し,今後の研究への新たな視点を提供するものである。

関連論文リスト

• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Guided Reconstruction with Conditioned Diffusion Models for Unsupervised Anomaly Detection in Brain MRIs [36.79912410985013]
  拡散モデル(diffusion model)は、再構成忠実度に大きな可能性を示す、深層生成モデルの新たなクラスである。 雑音のない入力画像の潜在表現から得られる画像の再構成のために,拡散モデルのデノナイズ機構を画像に関する追加情報で条件付けることを提案する。 この条件付けにより、入力-再構成ペアの局所強度特性を整列させながら、健康な脳構造を高忠実に再構築することができる。
  論文  参考訳（メタデータ） (2023-12-07T11:03:42Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Explainable Image Quality Assessment for Medical Imaging [0.0]
  質の悪い医療画像は誤診につながる可能性がある。 本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。 本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。 我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2023-03-25T14:18:39Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Lesion detection in contrast enhanced spectral mammography [0.0]
  近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。 本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
  論文  参考訳（メタデータ） (2022-07-20T06:49:02Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。 我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。 7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
  論文  参考訳（メタデータ） (2022-03-15T11:52:29Z)
• Estimating MRI Image Quality via Image Reconstruction Uncertainty [4.483523280360846]
  我々は、ノイズの多いデータからクリーンな画像を復元するために、異機種間不確実性モデルを用いてCNNを訓練する。 視覚評価における品質制御は,アルゴリズム処理における品質制御と同一視できない。
  論文  参考訳（メタデータ） (2021-06-21T11:22:17Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。