論文の概要: The impact of MRI image quality on statistical and predictive analysis on voxel based morphology

• arxiv url: http://arxiv.org/abs/2411.01268v1
• Date: Sat, 02 Nov 2024 14:40:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:49:48.074494
• Title: The impact of MRI image quality on statistical and predictive analysis on voxel based morphology
• Title（参考訳）: ボクセルによる画像の質が統計的および予測的分析に及ぼす影響
• Authors: Felix Hoffstaedter, Nicolás Nieto, Simon B. Eickhoff, Kaustubh R. Patil,
• Abstract要約: 画像品質が単変量統計および機械学習分類に与える影響を検証した。 性別/ジェンダーが局所脳量に与える影響を解析し,ロジスティック回帰を用いた性別/ジェンダーの予測を行った。
• 参考スコア（独自算出の注目度）: 0.24999074238880487
• License:
• Abstract: Image Quality of MRI brain scans is strongly influenced by within scanner head movements and the resulting image artifacts alter derived measures like brain volume and cortical thickness. Automated image quality assessment is key to controlling for confounding effects of poor image quality. In this study, we systematically test for the influence of image quality on univariate statistics and machine learning classification. We analyzed group effects of sex/gender on local brain volume and made predictions of sex/gender using logistic regression, while correcting for brain size. From three large publicly available datasets, two age and sex-balanced samples were derived to test the generalizability of the effect for pooled sample sizes of n=760 and n=1094. Results of the Bonferroni corrected t-tests over 3747 gray matter features showed a strong influence of low-quality data on the ability to find significant sex/gender differences for the smaller sample. Increasing sample size and more so image quality showed a stark increase in detecting significant effects in univariate group comparisons. For the classification of sex/gender using logistic regression, both increasing sample size and image quality had a marginal effect on the Area under the Receiver Operating Characteristic Curve for most datasets and subsamples. Our results suggest a more stringent quality control for univariate approaches than for multivariate classification with a leaning towards higher quality for classical group statistics and bigger sample sizes for machine learning applications in neuroimaging.
• Abstract（参考訳）: Image Quality of MRI brain scans is strongly influence by inside scanner head movement and the result image artifacts alter derived measures like brain volume and coortical thickness。 画像品質評価の自動化は、画像品質の低下による相反する効果を制御するための鍵となる。 本研究では,画像品質が単変量統計および機械学習分類に与える影響を系統的に検証する。 性別/ジェンダーが局所脳の容積に与える影響を解析し,ロジスティック回帰を用いた性別/ジェンダーの予測を行い,脳の大きさを補正した。 3つの大規模な公開データセットから,n=760およびn=1094のプール標本サイズに対する効果の一般化性を検証するために,年齢と性別のバランスの取れたサンプルを抽出した。 ボニフェロニ補正T-テストの結果,3747個のグレー物質の特徴は,低品質なデータから,より小さなサンプルに対して有意な性差と性差を見出す能力に強い影響を示した。 画像品質は, 単変量群の比較で有意な効果が認められた。 ロジスティック回帰を用いたセックス/ジェンダーの分類では、サンプルサイズの増加と画像品質の増大は、ほとんどのデータセットやサブサンプルに対して、受信者操作特性曲線の下での領域に限界的な影響を及ぼした。 本研究は,古典的グループ統計学における高い品質と,ニューロイメージングにおける機械学習応用におけるより大きなサンプルサイズを重視した多変量分類法よりも,単変量分類法においてより厳密な品質制御が可能であることを示唆する。

関連論文リスト

• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• Detecting Unforeseen Data Properties with Diffusion Autoencoder Embeddings using Spine MRI data [7.757515290013924]
  深層学習は、診断と予後を改善するために大規模なデータセットを利用することによって、医療画像に大きく貢献してきた。 大規模なデータセットには、主題の選択と取得による固有のエラーが伴うことが多い。 拡散オートエンコーダの埋め込みによるデータ特性とバイアスの解明と理解について検討する。
  論文  参考訳（メタデータ） (2024-10-14T07:24:26Z)
• On the notion of Hallucinations from the lens of Bias and Validity in Synthetic CXR Images [0.35998666903987897]
  拡散モデルのような生成モデルは、データ品質と臨床情報の格差を軽減することを目的としている。 スタンフォード大学の研究者たちは、医療画像データ拡張のための微調整された安定拡散モデル(RoentGen)の有用性を探求した。 我々はRoentGenを利用してChest-XRay(CXR)画像を生成し、バイアス、妥当性、幻覚の評価を行った。
  論文  参考訳（メタデータ） (2023-12-12T04:41:20Z)
• Studying the Effects of Sex-related Differences on Brain Age Prediction using brain MR Imaging [0.3958317527488534]
  脳磁気共鳴画像(MRI)に基づく機械学習モデルを開発する際の性に関するバイアスについて検討する。 異なる実験設計を考慮に入れた脳年齢予測を行い,性別の影響について検討した。 異なる性別サブグループとデータセットで訓練した脳年齢予測モデルの性能に相違が認められた。
  論文  参考訳（メタデータ） (2023-10-17T20:55:53Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• 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)
• Empirical Study of Quality Image Assessment for Synthesis of Fetal Head Ultrasound Imaging with DCGANs [0.8733009934115582]
  胎児頭部超音波の合成生成のためのDCGANの実証的研究を行い,エポックスと画像品質の評価を行った。 本研究では,相互情報(MI),フレッシュ距離(FID),ピーク信号-雑音比(PSNR),局所二分パターンベクトル(LBPv)の4つの指標を用いた品質画像評価における画像サイズ,ハイパース開始,データサイズ入力,学習率の影響を示す実験を行った。 その結果, FID, LBPvは画像品質スコアと強い相関が認められた。
  論文  参考訳（メタデータ） (2022-06-01T10:36:43Z)
• Feature robustness and sex differences in medical imaging: a case study in MRI-based Alzheimer's disease detection [1.7616042687330637]
  我々はADNI MRIデータセットの2つの分類方式を比較した。 訓練データセットの性構成に対する男女試験対象者のモデル性能の強い依存は見つからない。
  論文  参考訳（メタデータ） (2022-04-04T17:37:54Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• 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)

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。