論文の概要: PINNing Cerebral Blood Flow: Analysis of Perfusion MRI in Infants using Physics-Informed Neural Networks

• arxiv url: http://arxiv.org/abs/2410.19759v1
• Date: Fri, 11 Oct 2024 15:07:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 08:19:48.361314
• Title: PINNing Cerebral Blood Flow: Analysis of Perfusion MRI in Infants using Physics-Informed Neural Networks
• Title（参考訳）: PINNing 脳血流:物理インフォームドニューラルネットワークを用いた小児の灌流MRI解析
• Authors: Christoforos Galazis, Ching-En Chiu, Tomoki Arichi, Anil A. Bharath, Marta Varela,
• Abstract要約: ASL ( Arterial spin labeling) MRI (MRI) は脳血流計測を可能にする。 ASLを用いた幼児の脳血流推定は、ネットワーク生理学の複雑な相互作用により困難である。 幼児のASLデータからCBFや他のパラメータを推定するために,空間不確実性に基づく新しい物理インフォームドニューラルネットワーク(PINN, SUPINN)を提案する。
• 参考スコア（独自算出の注目度）: 1.5438681255766238
• License:
• Abstract: Arterial spin labeling (ASL) magnetic resonance imaging (MRI) enables cerebral perfusion measurement, which is crucial in detecting and managing neurological issues in infants born prematurely or after perinatal complications. However, cerebral blood flow (CBF) estimation in infants using ASL remains challenging due to the complex interplay of network physiology, involving dynamic interactions between cardiac output and cerebral perfusion, as well as issues with parameter uncertainty and data noise. We propose a new spatial uncertainty-based physics-informed neural network (PINN), SUPINN, to estimate CBF and other parameters from infant ASL data. SUPINN employs a multi-branch architecture to concurrently estimate regional and global model parameters across multiple voxels. It computes regional spatial uncertainties to weigh the signal. SUPINN can reliably estimate CBF (relative error $-0.3 \pm 71.7$), bolus arrival time (AT) ($30.5 \pm 257.8$), and blood longitudinal relaxation time ($T_{1b}$) ($-4.4 \pm 28.9$), surpassing parameter estimates performed using least squares or standard PINNs. Furthermore, SUPINN produces physiologically plausible spatially smooth CBF and AT maps. Our study demonstrates the successful modification of PINNs for accurate multi-parameter perfusion estimation from noisy and limited ASL data in infants. Frameworks like SUPINN have the potential to advance our understanding of the complex cardio-brain network physiology, aiding in the detection and management of diseases. Source code is provided at: https://github.com/cgalaz01/supinn.
• Abstract（参考訳）: ASL ( Arterial spin labeling) MRI (MRI) は、新生児の周産期または周産期合併症を早期に検出および管理するために重要な脳血流計測を可能にする。 しかし、ASLを用いた幼児の脳血流量(CBF)の推定は、心臓出力と脳血流のダイナミックな相互作用、パラメータの不確実性やデータノイズの問題など、ネットワーク生理学の複雑な相互作用により、依然として困難である。 幼児のASLデータからCBFや他のパラメータを推定するために,空間不確実性に基づく新しい物理インフォームドニューラルネットワーク(PINN, SUPINN)を提案する。 SUPINNはマルチブランチアーキテクチャを用いて、複数のボクセルにまたがる地域モデルとグローバルモデルパラメータを同時に推定する。 信号の量を測定するために、地域空間の不確実性を計算する。 SUPINNはCBF(相対誤差$-0.3 \pm 71.7$)、ボーラス到着時間(AT)(30.5 \pm 257.8$)、血液長手緩和時間(T_{1b}$)(4.4 \pm 28.9$)を確実に推定でき、最小二乗または標準PINNを用いて実行されるパラメータ推定を上回っている。 さらに、SUPINNは生理的に可塑性で空間的に滑らかなCBFとATマップを生成する。 本研究は,乳児の雑音および限られたASLデータから精度の高い多パラメータ灌流推定のためのPINNの修正に成功したことを示す。 SUPINNのようなフレームワークは、複雑な心脳ネットワーク生理学の理解を深め、病気の検出と管理を支援する可能性がある。 ソースコードは、https://github.com/cgalaz01/supinn.comで提供されている。

関連論文リスト

• L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
  慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。 人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。 我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
  論文  参考訳（メタデータ） (2024-06-07T12:01:37Z)
• Quantitative perfusion maps using a novelty spatiotemporal convolutional neural network [13.188103532542797]
  本研究では,空間的・時間的情報を考慮した拡散パラメータ推定ネットワークを提案する。 その結果,脳血流量 (CBV), 脳血流量 (CBF), 残存機能 (Tmax) などの灌流パラメータを正確に推定できることが示唆された。 提案したモデルは、商用のゴールドスタンダードソフトウェアの性能に近づき、時間効率も維持する。
  論文  参考訳（メタデータ） (2023-12-08T09:22:25Z)
• Unveiling Intractable Epileptogenic Brain Networks with Deep Learning Algorithms: A Novel and Comprehensive Framework for Scalable Seizure Prediction with Unimodal Neuroimaging Data in Pediatric Patients [0.0]
  てんかんは、世界中で5000万人、アメリカ人120万人に影響を及ぼす神経疾患である。 本研究は,小児の発作を予測するための新しい包括的枠組みを提案する。 各種機械学習アルゴリズムの性能は、精度、精度、特異性、感度、F1スコア、MCCといった重要な指標に基づいて評価される。
  論文  参考訳（メタデータ） (2023-09-05T21:03:36Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Learning Federated Visual Prompt in Null Space for MRI Reconstruction [83.71117888610547]
  我々はMRI再建のためのグローバルプロンプトのヌル空間におけるフェデレートされた視覚的プロンプトを学習するための新しいアルゴリズムであるFedPRを提案する。 FedPRは、ローカルトレーニングデータの限られた量を与えられた場合、通信コストの6%で最先端のFLアルゴリズムを著しく上回っている。
  論文  参考訳（メタデータ） (2023-03-28T17:46:16Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• A Normative and Biologically Plausible Algorithm for Independent Component Analysis [15.082715993594121]
  信号処理では、線形ブラインド音源分離問題は独立成分分析(ICA)によってしばしば解決される。 生物学的回路のモデルとして機能するためには、ICAニューラルネットワーク(NN)は、少なくとも以下の要件を満たす必要がある。 本稿では,ニューラルアーキテクチャとシナプス学習規則の両方を含む生物学的に妥当なNNを導出するICAの目的関数を提案する。
  論文  参考訳（メタデータ） (2021-11-17T01:43:42Z)
• Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
  MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。 これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。 我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-07-16T12:56:09Z)
• Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
  T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
  論文  参考訳（メタデータ） (2021-06-06T07:11:25Z)
• Physics-informed neural networks for myocardial perfusion MRI quantification [3.318100528966778]
  本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。 PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
  論文  参考訳（メタデータ） (2020-11-25T16:02:52Z)
• Spatio-Temporal Graph Convolution for Resting-State fMRI Analysis [11.85489505372321]
  BOLD時系列の短いサブシーケンスに基づいて、時空間グラフ畳み込みネットワーク(ST-GCN)を訓練し、機能接続の非定常特性をモデル化する。 St-GCNはBOLD信号に基づいて性別や年齢を予測する一般的な手法よりもはるかに正確である。
  論文  参考訳（メタデータ） (2020-03-24T01:56:50Z)

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。