論文の概要: MAGO-SP: Detection and Correction of Water-Fat Swaps in Magnitude-Only VIBE MRI
- arxiv url: http://arxiv.org/abs/2502.14659v1
- Date: Thu, 20 Feb 2025 15:54:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-21 14:27:17.770687
- Title: MAGO-SP: Detection and Correction of Water-Fat Swaps in Magnitude-Only VIBE MRI
- Title（参考訳）: MAGO-SP : MR-ONly VIBE MRIにおける水滴スワップの検出と補正
- Authors: Robert Graf, Hendrik Möller, Sophie Starck, Matan Atad, Philipp Braun, Jonathan Stelter, Annette Peters, Lilian Krist, Stefan N. Willich, Henry Völzke, Robin Bülow, Klaus Berger, Tobias Pischon, Thoralf Niendorf, Johannes Paetzold, Dimitrios Karampinos, Daniel Rueckert, Jan Kirschke,
- Abstract要約: 容積補間ブレスホールド試験(VIBE)MRIは水と脂肪の信号合成推定に適した画像を生成する。
2点VIBEは水脂肪分離画像を提供するが、6点VIBEは有効緩和率R2*と陽子密度脂肪率(PDFF)の推定を可能にする。
この欠点は、大規模臨床データと人口調査の自動PDFF解析におけるVIBE-MRIの適用に挑戦するものである。
本研究では,非コントラスト強調VIBE画像における水脂肪交換を自動的に検出し,補正するパイプラインを開発した。
- 参考スコア（独自算出の注目度）: 5.986379010185137
- License:
- Abstract: Volume Interpolated Breath-Hold Examination (VIBE) MRI generates images suitable for water and fat signal composition estimation. While the two-point VIBE provides water-fat-separated images, the six-point VIBE allows estimation of the effective transversal relaxation rate R2* and the proton density fat fraction (PDFF), which are imaging markers for health and disease. Ambiguity during signal reconstruction can lead to water-fat swaps. This shortcoming challenges the application of VIBE-MRI for automated PDFF analyses of large-scale clinical data and of population studies. This study develops an automated pipeline to detect and correct water-fat swaps in non-contrast-enhanced VIBE images. Our three-step pipeline begins with training a segmentation network to classify volumes as "fat-like" or "water-like," using synthetic water-fat swaps generated by merging fat and water volumes with Perlin noise. Next, a denoising diffusion image-to-image network predicts water volumes as signal priors for correction. Finally, we integrate this prior into a physics-constrained model to recover accurate water and fat signals. Our approach achieves a < 1% error rate in water-fat swap detection for a 6-point VIBE. Notably, swaps disproportionately affect individuals in the Underweight and Class 3 Obesity BMI categories. Our correction algorithm ensures accurate solution selection in chemical phase MRIs, enabling reliable PDFF estimation. This forms a solid technical foundation for automated large-scale population imaging analysis.
- Abstract（参考訳）: 容積補間ブレスホールド試験(VIBE)MRIは水と脂肪の信号合成推定に適した画像を生成する。
二点VIBEは、水脂肪分離画像を提供するが、6点VIBEは、健康や病気のマーカーである効果的な横方向緩和率R2*と陽子密度脂肪分率(PDFF)を推定することができる。
信号再構成時の曖昧さは、水脂肪交換につながる可能性がある。
この欠点は、大規模臨床データと人口調査の自動PDFF解析におけるVIBE-MRIの適用に挑戦するものである。
本研究では,非コントラスト強調VIBE画像における水脂肪交換を自動的に検出し,補正するパイプラインを開発した。
私たちの3段階のパイプラインは、脂肪と水量とパーリンノイズを融合させた合成水脂肪スワップを用いて、体積を「脂肪様」または「水様」に分類するセグメンテーションネットワークのトレーニングから始まります。
次に、デノナイジング拡散画像・画像ネットワークは、補正のための信号先として水量を予測する。
最後に、これを物理制約付きモデルに統合し、正確な水と脂肪の信号を復元する。
提案手法は6点VIBEに対する水脂肪スワップ検出において1%の誤差率を達成する。
特に、スワップはアンダーウェイトとクラス3の肥満BMIカテゴリーの個人に不釣り合いに影響を及ぼす。
我々の補正アルゴリズムは, 化学相MRIにおける正確な解選択を保証し, 信頼性の高いPDFF推定を可能にする。
これは、大規模な画像解析を自動化するための、しっかりとした技術基盤を形成する。
関連論文リスト
- WaveNet-SF: A Hybrid Network for Retinal Disease Detection Based on Wavelet Transform in the Spatial-Frequency Domain [15.21932120859184]
本稿では,空間領域と周波数領域の学習を統合することで網膜疾患の検出を向上する新しいフレームワークWaveNet-SFを提案する。
このフレームワークはウェーブレット変換を利用して、OCT画像を低周波成分と高周波成分に分解する。
提案手法は,OCT-C8データセットとOCT 2017データセットでそれぞれ97.82%,99.58%の最先端(SOTA)分類精度を実現する。
論文 参考訳（メタデータ） (2025-01-21T03:10:52Z) - Implicit neural representation for free-breathing MR fingerprinting (INR-MRF): co-registered 3D whole-liver water T1, water T2, proton density fat fraction, and R2* mapping [13.625898586293502]
INR-MRFは3D全肝T1,T2,R2*,PDFFマッピングを1回のフリーブレススキャンで可能とした。
論文 参考訳（メタデータ） (2024-10-19T18:35:36Z) - Chemical Shift Encoding based Double Bonds Quantification in Triglycerides using Deep Image Prior [1.5933094380194248]
脂肪酸は代謝異常や炎症状態を評価するバイオマーカーとして機能し、二重結合の定量化が脂肪酸情報を明らかにする鍵となる。
本研究では, 深層画像優先法(DIP)を用いて, 化学シフトエンコードされたマルチエコ勾配エコー画像から得られたトリグリセリドの二重結合とメチレン切断二重結合の定量化を行う。
論文 参考訳（メタデータ） (2024-07-02T03:43:39Z) - 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) - Deep learning network to correct axial and coronal eye motion in 3D OCT
retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。
実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文 参考訳（メタデータ） (2023-05-27T03:55:19Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳（メタデータ） (2023-05-15T18:19:29Z) - nnUNet RASPP for Retinal OCT Fluid Detection, Segmentation and
Generalisation over Variations of Data Sources [25.095695898777656]
我々は、複数のデバイスベンダーの画像間で一貫した高パフォーマンスを持つnnUNetの2つの変種を提案する。
このアルゴリズムはMICCAI 2017 RETOUCHチャレンジデータセットで検証された。
実験の結果,我々のアルゴリズムは最先端のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2023-02-25T23:47:23Z) - 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) - 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) - Swap-Free Fat-Water Separation in Dixon MRI using Conditional Generative
Adversarial Networks [1.523918927562893]
大規模なボディボリュームに関連する現在の処理方法は、時間集約的であり、アーティファクトになりがちである。
最も一般的な人工物は脂肪水スワップであり、ラベルはボクセルレベルで逆転している。
本研究では, 条件付き生成対向ネットワークを用いて, 脂肪チャネルと水チャネルを正確に分離する高速で堅牢な手法を提案する。
論文 参考訳（メタデータ） (2021-07-29T16:56:00Z) - 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。