論文の概要: The Useful Side of Motion: Using Head Motion Parameters to Correct for Respiratory Confounds in BOLD fMRI

• arxiv url: http://arxiv.org/abs/2410.19802v1
• Date: Wed, 16 Oct 2024 17:58:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 07:49:37.026053
• Title: The Useful Side of Motion: Using Head Motion Parameters to Correct for Respiratory Confounds in BOLD fMRI
• Title（参考訳）: 頭部運動パラメータを用いたBOLD fMRIにおける呼吸障害の補正
• Authors: Abdoljalil Addeh, G. Bruce Pike, M. Ethan MacDonald,
• Abstract要約: 呼吸は頭部の動きを誘発し、実際の動きや擬似的な動きを誘導する。 推奨ノッチフィルターは呼吸誘発運動アーティファクトを緩和し、呼吸周波数帯のバンドパスフィルタが呼吸誘発頭部運動を分離することを示唆する。 本研究では,推定頭部運動パラメータを統合することで静止状態BOLD-fMRIデータからRV推定精度を向上させることを目的とする。
• 参考スコア（独自算出の注目度）: 0.4681661603096333
• License:
• Abstract: Acquiring accurate external respiratory data during functional Magnetic Resonance Imaging (fMRI) is challenging, prompting the exploration of machine learning methods to estimate respiratory variation (RV) from fMRI data. Respiration induces head motion, including real and pseudo motion, which likely provides useful information about respiratory events. Recommended notch filters mitigate respiratory-induced motion artifacts, suggesting that a bandpass filter at the respiratory frequency band isolates respiratory-induced head motion. This study seeks to enhance the accuracy of RV estimation from resting-state BOLD-fMRI data by integrating estimated head motion parameters. Specifically, we aim to determine the impact of incorporating raw versus bandpass-filtered head motion parameters on RV reconstruction accuracy using one-dimensional convolutional neural networks (1D-CNNs). This approach addresses the limitations of traditional filtering techniques and leverages the potential of head motion data to provide a more robust estimation of respiratory-induced variations.
• Abstract（参考訳）: 機能的磁気共鳴イメージング(fMRI)中に正確な外部呼吸データを取得することは困難であり、fMRIデータから呼吸変動(RV)を推定する機械学習手法の探索を促進する。 呼吸は頭部の動きを誘発し、実際の動きや擬似的な動きを誘導する。 推奨ノッチフィルターは呼吸誘発運動アーティファクトを緩和し、呼吸周波数帯のバンドパスフィルタが呼吸誘発頭部運動を分離することを示唆する。 本研究では,推定頭部運動パラメータを統合することで静止状態BOLD-fMRIデータからRV推定精度を向上させることを目的とする。 具体的には,1次元畳み込みニューラルネットワーク(1D-CNN)を用いて,生と帯域通過フィルタによる頭部運動パラメータがRV再構成精度に与える影響について検討する。 この手法は従来のフィルタリング手法の限界に対処し、頭部の動きデータの可能性を利用して呼吸誘発変動のより堅牢な推定を行う。

関連論文リスト

• Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters [39.96015789655091]
  多くのfMRI研究では、呼吸信号が欠如しているか、品質が悪いことがしばしばある。 周辺記録装置を必要とせずに、fMRIデータから直接呼吸変動(RV)波形を抽出するツールを持つことは、非常に有益である。 本研究では,頭部運動パラメータとBOLD信号を用いたRV波形再構成のためのCNNモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-30T21:53:11Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the Human Connectome Development Cohort [55.41644538483948]
  本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。 その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
  論文  参考訳（メタデータ） (2023-07-03T18:06:36Z)
• Eulerian Phase-based Motion Magnification for High-Fidelity Vital Sign Estimation with Radar in Clinical Settings [4.337995322608567]
  空間波長の異なる位相を増幅して動きを拡大するGaborフィルタを用いた複雑な分解法を開発した。 提案手法は,臨床現場における従来の時間的FFT法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-03T20:52:31Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Airflow recovery from thoracic and abdominal movements using Synchrosqueezing Transform and Locally Stationary Gaussian Process Regression [6.496038875667294]
  本稿では, 非線形型時間周波数解析ツールであるシンクロスキューズ変換を用いて, 胸部, 腹部の運動信号を特徴として表現することを提案する。 正常な睡眠条件下での呼吸信号を含むデータセットを用いて,提案したモデルを特徴空間に適合させることで,正確な予測が可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-11T01:37:38Z)
• Wearable Respiration Monitoring: Interpretable Inference with Context and Sensor Biomarkers [5.065947993017157]
  呼吸速度(BR)、微小換気(VE)、その他の呼吸パラメータは、喘息などの多くの急性疾患のリアルタイムモニタリングに不可欠である。 本研究では,ウェアラブル心電図と手首動作信号から呼吸パラメータを推定する。
  論文  参考訳（メタデータ） (2020-07-02T22:12:49Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)
• A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans [63.28835187934139]
  本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
  論文  参考訳（メタデータ） (2020-06-24T15:25:11Z)
• Multispectral Video Fusion for Non-contact Monitoring of Respiratory Rate and Apnea [7.300192965401497]
  呼吸の非接触モニタリングは、近赤外線と遠赤外線のスペクトルカメラで達成できる。 本研究では,無呼吸時の呼吸速度(RR)を推定する多スペクトルデータ融合に基づく新しいアルゴリズムを提案する。 本研究は,医療応用におけるサインモニタリングにおけるカメラの活用に向けての一歩となる可能性がある。
  論文  参考訳（メタデータ） (2020-04-21T09:07:09Z)

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。