論文の概要: Vessel segmentation for X-separation
- arxiv url: http://arxiv.org/abs/2502.01023v1
- Date: Mon, 03 Feb 2025 03:37:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 14:56:51.649178
- Title: Vessel segmentation for X-separation
- Title（参考訳）: X線分離のための容器セグメンテーション
- Authors: Taechang Kim, Sooyeon Ji, Kyeongseon Min, Minjun Kim, Jonghyo Youn, Chungseok Oh, Jiye Kim, Jongho Lee,
- Abstract要約: $chi$-セパレーション(英: $chi$-separation)は、準磁性(chi_para$)および反磁性(chi_dia|$)の感受性マップを生成するために設計された、高度な定量的感受性マッピング(QSM)法である。
しかし、船体は人工物を示しており、鉄とミエリンの正確な定量化に干渉している。
この課題に対処するために、$chi$-セパレーションのための新しい容器セグメンテーション法を開発した。
- 参考スコア（独自算出の注目度）: 4.790174844673171
- License:
- Abstract: $\chi$-separation is an advanced quantitative susceptibility mapping (QSM) method that is designed to generate paramagnetic ($\chi_{para}$) and diamagnetic ($|\chi_{dia}|$) susceptibility maps, reflecting the distribution of iron and myelin in the brain. However, vessels have shown artifacts, interfering with the accurate quantification of iron and myelin in applications. To address this challenge, a new vessel segmentation method for $\chi$-separation is developed. The method comprises three steps: 1) Seed generation from $\textit{R}_2^*$ and the product of $\chi_{para}$ and $|\chi_{dia}|$ maps; 2) Region growing, guided by vessel geometry, creating a vessel mask; 3) Refinement of the vessel mask by excluding non-vessel structures. The performance of the method was compared to conventional vessel segmentation methods both qualitatively and quantitatively. To demonstrate the utility of the method, it was tested in two applications: quantitative evaluation of a neural network-based $\chi$-separation reconstruction method ($\chi$-sepnet-$\textit{R}_2^*$) and population-averaged region of interest (ROI) analysis. The proposed method demonstrates superior performance to the conventional vessel segmentation methods, effectively excluding the non-vessel structures, achieving the highest Dice score coefficient. For the applications, applying vessel masks report notable improvements for the quantitative evaluation of $\chi$-sepnet-$\textit{R}_2^*$ and statistically significant differences in population-averaged ROI analysis. These applications suggest excluding vessels when analyzing the $\chi$-separation maps provide more accurate evaluations. The proposed method has the potential to facilitate various applications, offering reliable analysis through the generation of a high-quality vessel mask.
- Abstract（参考訳）: $\chi$-セパレーション(英: $\chi$-separation)は、脳内の鉄とミエリンの分布を反映して、常磁性(\chi_{para}$)と反磁性(|\chi_{dia}|$)の感受性マップを生成するために設計された高度な定量的感受性マッピング(QSM)法である。
しかし、船体は人工物を示しており、鉄とミエリンの正確な定量化に干渉している。
この課題に対処するために、$\chi$-セパレーションのための新しい容器セグメンテーション法を開発した。
方法は3つのステップからなる。
1) $\textit{R}_2^*$ からのシード生成と $\chi_{para}$ および $|\chi_{dia}|$ の積。
2 容器形状で案内し、容器マスクを作成する地域
3)非容器構造を除いた容器マスクの微細化。
本手法の性能は, 定性的・定量的に従来の容器分割法と比較した。
本手法の有用性を実証するため,ニューラルネットワークを用いた$\chi$-セパレーション再構成法($\chi$-sepnet-$\textit{R}_2^*$)の定量的評価と,平均利子領域(ROI)分析の2つの手法で検証した。
提案手法は従来の容器分割法よりも優れた性能を示し,非容器構造を効果的に排除し,高いDiceスコア係数を達成する。
適用例では, 平均ROI分析では, $\chi$-sepnet-$\textit{R}_2^*$, 統計学的に有意な差が認められた。
これらの応用は、$\chi$-セパレーションマップを解析する際に船体を除くことがより正確な評価をもたらすことを示唆している。
提案手法は,高品質な容器マスクの生成を通じて信頼性の高い解析を行うことが可能である。
関連論文リスト
- Sequential transport maps using SoS density estimation and $α$-divergences [0.5999777817331317]
輸送型密度推定法は, 近似密度から試料を効率よく生成できるため, 関心が高まりつつある。
本稿では,$alpha$-divergencesの情報幾何学的性質に基づいて,シーケンシャルトランスポートマップの新たな収束解析を行う。
本研究では,ベイズ推論問題と教師なし学習課題について数値解析を行った。
論文 参考訳（メタデータ） (2024-02-27T23:52:58Z) - $e^{\text{RPCA}}$: Robust Principal Component Analysis for Exponential
Family Distributions [11.13032534597243]
指数族に対するロバスト主成分分析法(etextRPCA$)を提案する。
効率的な$etextRPCA$分解のための乗算器最適化アルゴリズムの新しい交互方向法を提案する。
次に、etextRPCA$の有効性を、鋼板欠陥検出のための第1と、アトランタ大都市圏における犯罪活動監視のための第2の2つのアプリケーションで示す。
論文 参考訳（メタデータ） (2023-10-30T17:51:30Z) - Towards Generalizable Deepfake Detection by Primary Region
Regularization [52.41801719896089]
本稿では,新しい正規化の観点から一般化能力を高める。
本手法は, 一次領域マップの静的な位置決めと, 一次領域マスクの動的利用の2段階からなる。
5つのバックボーンを持つDFDC,DF-1.0,Celeb-DFの3種類のディープフェイクデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2023-07-24T05:43:34Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Lattice partition recovery with dyadic CART [79.96359947166592]
我々は、$d$次元格子上の加法ガウス雑音によって破損したピースワイド定値信号について検討する。
この形式のデータは、多くのアプリケーションで自然に発生し、統計処理や信号処理の文献において、信号の検出やテスト、ノイズの除去、推定といったタスクが広く研究されている。
本稿では,未知の信号の一貫性領域によって誘導される格子の分割を推定する,分割回復の問題について考察する。
我々は、DCARTベースの手順が、下位分割を$sigma2 k*の順序で一貫して推定することを証明した。
論文 参考訳（メタデータ） (2021-05-27T23:41:01Z) - Sample and Computation Redistribution for Efficient Face Detection [137.19388513633484]
トレーニングデータサンプリングと計算分布戦略は、効率的で正確な顔検出の鍵です。
scrfdf34は、最高の競合製品であるTinaFaceを3.86%(ハードセットでのAP)で上回り、GPU上でVGA解像度画像でmph3$times$より高速です。
論文 参考訳（メタデータ） (2021-05-10T23:51:14Z) - Using spatial-temporal ensembles of convolutional neural networks for
lumen segmentation in ureteroscopy [11.457020223521605]
本稿では,畳み込みニューラルネットワーク(CNN)に基づく自動手法を提案する。
提案手法は4つの並列CNNのアンサンブルに基づいて,単一および複数フレーム情報を同時に処理する。
論文 参考訳（メタデータ） (2021-04-05T16:24:32Z) - Anisotropic 3D Multi-Stream CNN for Accurate Prostate Segmentation from
Multi-Planar MRI [7.458812893013963]
我々は,高分解能な等方性前立腺セグメンテーションを生成するために,スキャン方向の追加処理を行う異方性3次元マルチストリームCNNアーキテクチャを提案する。
2つの(双平面)像と3つの(三平面)像の向きをそれぞれ比較する。
論文 参考訳（メタデータ） (2020-09-23T12:56:14Z) - Fast Nonconvex $T_2^*$ Mapping Using ADMM [14.22930572798757]
磁気共鳴(MR)$T*$マッピングは、様々な臨床応用において出血、石灰化、鉄沈着の研究に広く用いられているが、組織における所望のコントラストの直接的かつ正確なマッピングを提供する。
従来の3D解像度の$*$マッピング法で必要とされる長い取得時間は、患者に不快を生じさせ、再構成された画像に運動アーティファクトを導入し、より広い適用性を制限する。
本稿では,圧縮センシングを用いたアンダーサンプルデータから$T*$マッピングを行うことでこの問題に対処する。
論文 参考訳（メタデータ） (2020-08-04T20:08:43Z) - Deep Semi-supervised Knowledge Distillation for Overlapping Cervical
Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。
摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。
実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文 参考訳（メタデータ） (2020-07-21T13:27:09Z) - Learning Expectation of Label Distribution for Facial Age and
Attractiveness Estimation [65.5880700862751]
本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。
軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。
提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
論文 参考訳（メタデータ） (2020-07-03T15:46:53Z)
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。