論文の概要: Unique MS Lesion Identification from MRI

• arxiv url: http://arxiv.org/abs/2410.09639v1
• Date: Sat, 12 Oct 2024 20:26:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 09:06:07.713118
• Title: Unique MS Lesion Identification from MRI
• Title（参考訳）: MRIからの特異なMS病変の同定
• Authors: Carlos A. Rivas, Jinwei Zhang, Shuwen Wei, Samuel W. Remedios, Aaron Carass, Jerry L. Prince,
• Abstract要約: MS白質病変(WML)の特異な同定は,MS進行を特徴付ける上で重要である。 この研究により、脳MRIのWMLからより意味のある統計を計算できるようになる。
• 参考スコア（独自算出の注目度）: 3.1013246472135543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unique identification of multiple sclerosis (MS) white matter lesions (WMLs) is important to help characterize MS progression. WMLs are routinely identified from magnetic resonance images (MRIs) but the resultant total lesion load does not correlate well with EDSS; whereas mean unique lesion volume has been shown to correlate with EDSS. Our approach builds on prior work by incorporating Hessian matrix computation from lesion probability maps before using the random walker algorithm to estimate the volume of each unique lesion. Synthetic images demonstrate our ability to accurately count the number of lesions present. The takeaways, are: 1) that our method correctly identifies all lesions including many that are missed by previous methods; 2) we can better separate confluent lesions; and 3) we can accurately capture the total volume of WMLs in a given probability map. This work will allow new more meaningful statistics to be computed from WMLs in brain MRIs
• Abstract（参考訳）: 多発性硬化症(MS)白質病変(WML)の特異な同定は,MS進行を特徴付ける上で重要である。 磁気共鳴画像(MRI)からWMLを定期的に同定するが,総病変量とEDSSの相関は認められず,平均病変量とEDSSの相関が示されている。 提案手法は, ランダムウォーカアルゴリズムを用いて各病変の体積を推定する前に, 病変確率マップからヘシアン行列計算を組み込むことにより, 先行研究に基づいている。 合成画像は、現在存在する病変数を正確にカウントする能力を示している。 テイクアウトは以下の通り。 1) 本手法は, 従来の方法に欠落した多くの病変を含むすべての病変を正しく同定する。 2) 合流性病変を分離しやすくする。 3)WMLの総容積を所定の確率マップで正確に把握できる。 この研究により、脳MRIのWMLからより意味のある統計を計算できるようになる

関連論文リスト

• Mitigating Hallucinations of Large Language Models in Medical Information Extraction via Contrastive Decoding [92.32881381717594]
  医療情報抽出タスクにおける幻覚の問題を解決するために,ALCD(ALternate Contrastive Decoding)を導入する。 ALCDは, 従来の復号法に比べて幻覚の解消に有意な改善が見られた。
  論文  参考訳（メタデータ） (2024-10-21T07:19:19Z)
• P-Count: Persistence-based Counting of White Matter Hyperintensities in Brain MRI [6.710421562390863]
  白色物質過敏症(WMH)は脳血管疾患と多発性硬化症の指標である。 病変の数はノイズやセグメンテーションミスに非常に敏感である。 永続ホモロジーに基づく代数的WMHカウントツールであるP-Countを提案する。
  論文  参考訳（メタデータ） (2024-03-20T21:52:02Z)
• Structural-Based Uncertainty in Deep Learning Across Anatomical Scales: Analysis in White Matter Lesion Segmentation [8.64414399041931]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、ホワイトマター病変(WML)セグメンテーションの文脈における、自動ディープラーニング(DL)ツールの信頼性の指標である。 我々は, 構造的予測の相違から, 病変や患者スケールの不確かさを定量化する尺度を開発した。 444例の多心MRIデータから, 病変のモデル誤差をより効果的に把握し, 患者規模を計測できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-15T13:04:57Z)
• Advancing Radiograph Representation Learning with Masked Record Modeling [52.04899592688968]
  我々は2つの相補的な目的として自己と報告の補完を定式化し、マスク付きレコードモデリング(MRM)に基づく統一的な枠組みを提案する。 MRMは、知識強化されたセマンティック表現を学ぶためのマルチタスクスキームに従って、マスクされた画像パッチとマスクされたレポートトークンを再構築する。 具体的には、MRMはラベル効率の良い微調整において優れた性能を提供する。
  論文  参考訳（メタデータ） (2023-01-30T18:33:32Z)
• Diffusion Model based Semi-supervised Learning on Brain Hemorrhage Images for Efficient Midline Shift Quantification [14.978566465420572]
  脳ミドルラインシフト(MLS)は,頭蓋内出血の診断と治療決定のために考慮すべき最も重要な因子の1つである。 頭部CTからMLSのスケールを正確に測定する新しい半教師付きフレームワークを提案する。 実際の臨床脳出血データセットに関する実験は、最先端の性能を達成し、解釈可能な変形場を生成することができる。
  論文  参考訳（メタデータ） (2023-01-01T14:19:52Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Analyzing hierarchical multi-view MRI data with StaPLR: An application to Alzheimer's disease classification [0.0]
  そこで本研究では,Stacked Penalized Logistic regression (StaPLR) を用いて,予測において最も重要なビューを自動的に選択する方法について述べる。 StaPLRをアルツハイマー病分類に応用し、3種類のスキャンからMRI測定値が算出された。 StaPLRは、どのスキャンタイプとどのMRI測定が分類において最も重要であるかを識別でき、分類性能において弾性ネット回帰よりも優れる。
  論文  参考訳（メタデータ） (2021-08-12T14:08:23Z)
• Modality Completion via Gaussian Process Prior Variational Autoencoders for Multi-Modal Glioma Segmentation [75.58395328700821]
  本稿では,患者スキャンに欠落するサブモダリティを1つ以上のインプットするために,MGP-VAE(Multi-modal Gaussian Process Prior Variational Autoencoder)を提案する。 MGP-VAEは、変分オートエンコーダ(VAE)に先立ってガウス過程(GP)を利用して、被験者/患者およびサブモダリティ相関を利用することができる。 4つのサブモダリティのうち2つ、または3つが欠落している脳腫瘍に対するMGP-VAEの適用性を示す。
  論文  参考訳（メタデータ） (2021-07-07T19:06:34Z)
• 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)
• Universal Loss Reweighting to Balance Lesion Size Inequality in 3D Medical Image Segmentation [50.63623720394348]
  ネットワークの小さな病変の検出能力を高めるために,損失再重み付け手法を提案する。 Dice Loss, Focal Loss, Asymmetric similarity Lossなど,よく知られた損失関数に対する本手法の利点を報告する。 実験の結果, 逆重み付けは検出品質を著しく向上させる一方で, 最先端のデライン化品質を保っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-20T12:08:22Z)
• Meta-modal Information Flow: A Method for Capturing Multimodal Modular Disconnectivity in Schizophrenia [11.100316178148994]
  統合失調症(SZ)における解離と機能不全の仮説に対処するための多モードデータを活用する手法を提案する。 マルチモーダルデータセットを通して精神疾患に関連するリンクを特定するために,GGMに適用可能なモジュール性に基づく手法を提案する。 シミュレーションと実データにより,本手法は単一モダリティに焦点をあてて欠落する疾患関連ネットワーク破壊に関する重要な情報を明らかにする。
  論文  参考訳（メタデータ） (2020-01-06T18:46:41Z)

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。