論文の概要: Toward Deep Learning-based Segmentation and Quantitative Analysis of Cervical Spinal Cord Magnetic Resonance Images

• arxiv url: http://arxiv.org/abs/2409.19354v1
• Date: Sat, 28 Sep 2024 13:56:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 23:48:39.686483
• Title: Toward Deep Learning-based Segmentation and Quantitative Analysis of Cervical Spinal Cord Magnetic Resonance Images
• Title（参考訳）: 深部学習に基づく脊髄磁気共鳴画像の分離と定量化に向けて
• Authors: Maryam Tavakol Elahi,
• Abstract要約: 健常層における頚髄の包括的解析を行った。 本研究は,頚髄のMR画像にのみ焦点をあてる。 MR画像から高精度なマクロ構造計測を実現するために,最先端の深層学習に基づくセグメンテーション手法を用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research proposal discusses two challenges in the field of medical image analysis: the multi-parametric investigation on microstructural and macrostructural characteristics of the cervical spinal cord and deep learning-based medical image segmentation. First, we conduct a thorough analysis of the cervical spinal cord within a healthy population. Unlike most previous studies, which required medical professionals to perform functional examinations using metrics like the modified Japanese Orthopaedic Association (mJOA) score or the American Spinal Injury Association (ASIA) impairment scale, this research focuses solely on Magnetic Resonance (MR) images of the cervical spinal cord. Second, we employ cutting-edge deep learning-based segmentation methods to achieve highly accurate macrostructural measurements from MR images. To this end, we propose an enhanced UNet-like Transformer-based framework with attentive skip connections. This paper reports on the problem domain, proposed solutions, current status of research, and expected contributions.
• Abstract（参考訳）: 本研究は, 頚髄の微細構造と微細構造に関するマルチパラメトリック研究と, 深層学習に基づく医用画像セグメンテーションの2つの課題について論じる。 まず,健常層における頚髄の包括的解析を行った。 日本整形外科学会(mJOA)のスコアやアメリカ脊髄損傷協会(ASIA)の障害尺度などの指標を用いて,医療従事者が機能検査を行う必要のある従来の研究とは異なり,本研究は頚髄のMR画像に焦点を絞ったものである。 第2に,MR画像から高精度なマクロ構造計測を実現するために,最先端の深層学習に基づくセグメンテーション手法を用いる。 この目的のために,注意的スキップ接続を備えた拡張UNetライクなトランスフォーマーベースのフレームワークを提案する。 本稿では,問題領域,提案された解決策,研究の現状,期待されている貢献について報告する。

関連論文リスト

• 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)
• Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
  CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。 拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
  論文  参考訳（メタデータ） (2023-06-09T02:05:40Z)
• Multimodal Representation Learning of Cardiovascular Magnetic Resonance Imaging [11.887706872979697]
  我々は、CMR画像と関連する心臓医の報告のシーケンスを共同で学習するマルチモーダル学習フレームワークである textbfCMRformer を提案する。 我々の研究はCMR研究の進歩を早める可能性があり、より正確で効果的な診断と治療につながる可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T02:35:27Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• SKM-TEA: A Dataset for Accelerated MRI Reconstruction with Dense Image Labels for Quantitative Clinical Evaluation [5.37260403457093]
  定量的膝関節MRI(qMRI)画像の収集であるMulti-Task Evaluationデータセットを用いて,Stanford Knee MRIを提案する。 このデータセットは、匿名患者MRIスキャンの25,000スライス(155例)の生データ測定から成り立っている。 我々は、画像再構成や高密度画像ラベルとともに、MRI再構成、セグメンテーション、検出技術から抽出されたqMRIバイオマーカー推定の品質を測定するために、qMRIパラメータマップを使用するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2022-03-14T02:40:40Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation Studies: A Review [18.22326892162902]
  後期ガドリニウム造影MRI(LGE MRI)は左心房(LA)の傷跡の可視化と定量化に一般的に用いられている。 本稿では, LGE MRIによるLA空洞, 壁, 傷痕, アブレーションギャップのセグメンテーションと定量化のための計算手法について, 体系的に検討することを目的とする。
  論文  参考訳（メタデータ） (2021-06-18T01:31:06Z)
• Multiple Sclerosis Lesion Segmentation -- A Survey of Supervised CNN-Based Methods [0.6091702876917279]
  病変分割は、多発性硬化症患者のMRIスキャンを定量的に分析するためのコアタスクです。 最近のディープラーニング技術の成功は、この困難な問題に対するコミュニティの関心を再び高めている。
  論文  参考訳（メタデータ） (2020-12-12T19:05:41Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Spinal Metastases Segmentation in MR Imaging using Deep Convolutional Neural Networks [0.0]
  本研究の目的は,深層学習を用いた診断MR画像における脊髄転移の分節化である。 U-Net様アーキテクチャを用いて40例の臨床検査を行った。 専門的な注釈付き病変のセグメンテーションと比較すると、Diceの平均スコアは77.6%、平均感度は78.9%という有望な結果を得た。
  論文  参考訳（メタデータ） (2020-01-08T10:59:31Z)

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。