論文の概要: QSM-RimDS: A detection and segmentation tool for paramagnetic rim lesions in multiple sclerosis

• arxiv url: http://arxiv.org/abs/2412.10492v2
• Date: Sun, 23 Mar 2025 01:34:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:21:41.221405
• Title: QSM-RimDS: A detection and segmentation tool for paramagnetic rim lesions in multiple sclerosis
• Title（参考訳）: QSM-RimDS:多発性硬化症における常磁性リム病変の検出とセグメンテーションツール
• Authors: Ha Luu, Mert Sisman, Ilhami Kovanlikaya, Tam Vu, Pascal Spincemaille, Yi Wang, Francesca Bagnato, Susan Gauthier, Thanh Nguyen,
• Abstract要約: Paramagnetic rim lesions (PRLs) は多発性硬化症(MS)における新たなバイオマーカーである 深層学習に基づくQSM-RimNetは自動PRL検出を実現することができるが,この手法はリムセグメンテーションを提供しない。 本研究の目的は,共同PRL検出とリムセグメンテーションのためのU-NetベースのQSM-RimDS法を開発することである。
• 参考スコア（独自算出の注目度）: 5.470239281959465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Paramagnetic rim lesions (PRLs) are an emerging biomarker in multiple sclerosis (MS). Manual identification and rim segmentation of PRLs on quantitative susceptibility mapping (QSM) images are time-consuming. Deep learning-based QSM-RimNet can provide automated PRL detection, but this method does not provide rim segmentation for microglial density quantification and requires precise QSM lesion masks. The purpose of this study is to develop a U-Net-based QSM-RimDS method for joint PRL detection and rim segmentation using readily available T2-weighted (T2W) fluid-attenuated inversion recovery (FLAIR) lesion masks. Two expert readers performed PRL classification and rim segmentation as the reference. Dice similarity coefficient (DSC) was used to assess the agreement between rim segmentation obtained by QSM-RimDS and the manual expert segmentation. The PRL detection performances of QSM-RimDS and QSM-RimNet were evaluated using receiver operating characteristic (ROC) and precision-recall (PR) plots in a five-fold cross validation. A total of 260 PRLs (3.3\%) and 7720 non-PRLs (96.7\%) were identified by the readers. Compared to the expert rim segmentation, QSM-RimDS provided a mean DSC of 0.57 \pm 0.02 with moderate to high agreement (DSC \leq 0.5) in 73.8pm 5.7\% of PRLs over five folds. QSM-RimDS produced better and more consistent detection performance with a mean area under curve (AUC) of 0.754 \pm 0.037 vs. 0.514 \pm 0.121 by QSM-RimNet (46.7\% improvement) on PR plots, and 0.956 \pm 0.034 vs. 0.908 \pm 0.073 (5.3\% improvement) on ROC plots. In conclusion, QSM-RimDS improves PRL detection accuracy compared to QSM-RimNet and unlike QSM-RimNet can provide reasonably accurate rim segmentation.
• Abstract（参考訳）: Paramagnetic rim lesions (PRLs) は多発性硬化症(MS)に出現するバイオマーカーである。 定量的感受性マッピング(QSM)画像におけるPRLの手動識別とリムセグメンテーションは時間を要する。 深層学習に基づくQSM-RimNetは自動PRL検出を実現することができるが、この方法はマイクログリア密度定量化のためのリムセグメンテーションを提供しておらず、正確なQSM病変マスクを必要とする。 本研究の目的は,手軽に利用可能なT2-weighted (T2W) fluid-attenuated inversion recovery (FLAIR) マスクを用いた関節PRL検出とリムセグメンテーションのためのU-NetベースのQSM-RimDS法を開発することである。 専門家2人が参照としてPRL分類とリムセグメンテーションを行った。 Dice similarity coefficient (DSC) を用いて, QSM-RimDSで得られたリムセグメンテーションとマニュアル専門家セグメンテーションの一致を評価する。 QSM-RimDSとQSM-RimNetのPRL検出性能は, 受信機動作特性(ROC)と高精度リコール(PR)プロットを用いて5倍のクロスバリデーションで評価した。 260のPRL (3.3\%) と7720の非PRL (96.7\%) が読者によって同定された。 専門家のリムセグメンテーションと比較すると、QSM-RimDSは5倍以上のPRLの73.8pm 5.7\%において、中程度から高いコンセンサス(DSC \leq 0.5)を持つ0.57 \pm 0.02の平均DSCを提供した。 QSM-RimDSは、PRプロット上のQSM-RimNet (46.7 %改善) による平均曲線下面積(AUC)が 0.754 pm 0.037 対 0.514 pm 0.121 であり、ROCプロット上で 0.956 pm 0.034 対 0.908 pm 0.073 (5.3 %改善) であった。 結論として、QSM-RimDSはQSM-RimNetと比較してPRL検出精度を向上し、QSM-RimNetとは異なり、合理的なリムセグメンテーションを提供することができる。

関連論文リスト

• SKIPNet: Spatial Attention Skip Connections for Enhanced Brain Tumor Classification [3.8233569758620063]
  脳腫瘍の早期発見は、タイムリーな治療には不可欠であるが、遠隔地では診断施設へのアクセスが制限されている。 本研究では,MRIデータを用いた脳腫瘍の自動検出と分類のためのディープラーニングモデルを提案する。 空間的注意を取り入れたこのモデルは96.90%の精度を達成し、パターン認識を改善するために文脈情報の集約を強化した。
  論文  参考訳（メタデータ） (2024-12-10T18:32:42Z)
• CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
  CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。 我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
  論文  参考訳（メタデータ） (2024-01-29T12:56:11Z)
• SegReg: Segmenting OARs by Registering MR Images and CT Annotations [9.434639870882583]
  OAR(Organ at risk)セグメンテーションは放射線治療計画において重要なプロセスである。 我々は,MRIの登録にElastic Symmetric Normalizationを用いてOARセグメンテーションを行うSegRegという手法を提案する。 SegRegはCTのみのベースラインを16.78%、mIoUは18.77%上回る。
  論文  参考訳（メタデータ） (2023-11-12T20:46:54Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• GAMER-MRIL identifies Disability-Related Brain Changes in Multiple Sclerosis [0.39809034849104935]
  本稿では,全脳定量的MRI(qMRI),畳み込みニューラルネットワーク(CNN),解釈可能性法を用いた新しい総合的アプローチであるGAMER-MRILを提案する。 結果: GAMER-MRILはqMRIを用いて重症障害患者を分類し, 移動機能の完全性に重要な脳領域を同定する。
  論文  参考訳（メタデータ） (2023-08-15T07:43:00Z)
• Modeling T1 Resting-State MRI Variants Using Convolutional Neural Networks in Diagnosis of OCD [0.0]
  強迫性障害(OCD: Obsessive-compulsive disorder)は、高度に不安定な障害である。 OCDは前頭前皮質とメタボトロピックグルタミン酸受容体5(mGluR5)と共通する 計算モデリング手法はmGluR5を含む過去の仮説の検証手段として用いられた。
  論文  参考訳（メタデータ） (2023-06-15T12:02:57Z)
• Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
  DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
  論文  参考訳（メタデータ） (2023-03-23T18:50:18Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework [65.19784967388934]
  RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。 本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。 実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-30T13:04:42Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Fully automated quantification of in vivo viscoelasticity of prostate zones using magnetic resonance elastography with Dense U-net segmentation [1.304892050913381]
  粘弾性測定のための磁気共鳴エラストグラフィー (MRE) は, 適切な組織セグメンテーションに依存している。 前立腺の粒子力学的特性を自動集計するために, 解剖学的および粘弾性情報を抽出するのにMREデータが十分であるかどうかを検討した。
  論文  参考訳（メタデータ） (2021-06-21T17:36:26Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Deep cross-modality (MR-CT) educed distillation learning for cone beam CT lung tumor segmentation [3.8791511769387634]
  新しい深層学習型cbct肺腫瘍分割法を開発した。 提案手法の主な考え方は、磁気共鳴イメージング(MRI)を用いてCBCTセグメンテーションネットワークトレーニングをガイドすることである。 我々は,unpaired cbct と mri データセットを用いて,unpaired domain adaptation (uda) とcross-domain segmentation distillation network (sdn) からなるエンドツーエンドネットワークを訓練することでこれを実現する。
  論文  参考訳（メタデータ） (2021-02-17T03:52:02Z)
• MoG-QSM: Model-based Generative Adversarial Deep Learning Network for Quantitative Susceptibility Mapping [10.898053030099023]
  本稿では,正規化項を学習するために,生成型逆ネットワークの利点を生かしたモデルベースフレームワークを提案する。 最小二乗(LS)GANとL1コストの混合を併用した残差ネットワークを発電機として訓練し,先行情報を学習した。 MoG-QSMは単方向位相マップから高精度な感受性マップを生成する。
  論文  参考訳（メタデータ） (2021-01-21T02:52:05Z)
• Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
  我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。 前立腺切除術による脱線をMRIでトレーニングした。 前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
  論文  参考訳（メタデータ） (2020-10-28T21:07:09Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)
• DEEPMIR: A DEEP neural network for differential detection of cerebral Microbleeds and IRon deposits in MRI [3.0361336899303693]
  脳小血腫(CMB)と基底核の非出血鉄鉱床は脳老化、血管疾患、神経変性疾患と関連している。 我々は,CMBと鉄鉱床のセグメンテーションに適した深層学習に基づくセグメンテーション法を開発した。
  論文  参考訳（メタデータ） (2020-09-30T23:50:14Z)
• Weakly-supervised Learning for Single-step Quantitative Susceptibility Mapping [5.590406494337628]
  我々は,BFRを使わずに全フィールドからQSMを直接再構築する,弱制御された単一ステップQSM再構成法wTFIを提案する。 wTFIは、BFR法RESHARPローカルフィールドを監督として、局所組織フィールドとQSMのマルチタスク学習を実行する。 我々は,wTFIが様々な状況下で高品質な局所場と感受性マップを生成可能であることを示す。
  論文  参考訳（メタデータ） (2020-08-14T04:28:08Z)
• Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark Study from Multi-Sequence Cardiac MR Segmentation Challenge [43.01944884184009]
  本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。 新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。 これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
  論文  参考訳（メタデータ） (2020-06-22T17:04:38Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。