論文の概要: Microscopic Propagator Imaging (MPI) with Diffusion MRI

• arxiv url: http://arxiv.org/abs/2502.21129v1
• Date: Fri, 28 Feb 2025 15:10:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:40:15.190914
• Title: Microscopic Propagator Imaging (MPI) with Diffusion MRI
• Title（参考訳）: 拡散MRIを用いたマイクロプロパゲータイメージング(MPI)
• Authors: Tommaso Zajac, Gloria Menegaz, Marco Pizzolato,
• Abstract要約: 本稿では,顕微鏡プロパゲータの指標を検索する新しい方法として,顕微鏡プロパゲータイメージング(MPI)を提案する。 Ensemble Average Propagatorの指標やDiffusion Imagingの指標とは異なり、MPIの指標は組織のメソスコピックな組織とは独立している。
• 参考スコア（独自算出の注目度）: 0.9881143353201807
• License:
• Abstract: We propose Microscopic Propagator Imaging (MPI) as a novel method to retrieve the indices of the microscopic propagator which is the probability density function of water displacements due to diffusion within the nervous tissue microstructures. Unlike the Ensemble Average Propagator indices or the Diffusion Tensor Imaging metrics, MPI indices are independent from the mesoscopic organization of the tissue such as the presence of multiple axonal bundle directions and orientation dispersion. As a consequence, MPI indices are more specific to the volumes, sizes, and types of microstructures, like axons and cells, that are present in the tissue. Thus, changes in MPI indices can be more directly linked to alterations in the presence and integrity of microstructures themselves. The methodology behind MPI is rooted on zonal modeling of spherical harmonics, signal simulation, and machine learning regression, and is demonstrated on both synthetic and Human Diffusion MRI data.
• Abstract（参考訳）: 神経組織組織内の拡散に伴う水分移動の確率密度関数である顕微鏡プロパゲータの指標を検索する新しい方法として,顕微鏡プロパゲータイメージング(MPI)を提案する。 Ensemble Average Propagator IndicesやDiffusion Tensor Imagingの指標とは異なり、MPI Indicesは複数の軸索束方向の存在や配向分散のような組織のメソスコピック組織とは独立している。 その結果、MPI指標は、組織に存在する軸索や細胞のような体積、大きさ、組織の種類により特異的である。 したがって、MPI指標の変化は、マイクロ構造自体の存在と整合性の変化と直接的に関連付けられる。 MPIの背後にある方法論は、球面調和、信号シミュレーション、機械学習回帰の粒子モデルに基づいており、人工MRIとヒト拡散MRIの両方で実証されている。

関連論文リスト

• Macro2Micro: Cross-modal Magnetic Resonance Imaging Synthesis Leveraging Multi-scale Brain Structures [6.2458748518915135]
  我々は、GAN(Generative Adversarial Network)を用いて、マクロ構造から脳の微細構造を予測するディープラーニングフレームワークであるMacro2Microを紹介する。 以上の結果から,Macro2MicroはT1強調MRIをFA画像に忠実に変換し,従来法と比較して構造類似度指数測定(Structure similarity Index Measure, SSIM)を6.8%改善した。
  論文  参考訳（メタデータ） (2024-12-15T18:49:20Z)
• Virtual Staining of Label-Free Tissue in Imaging Mass Spectrometry [2.6165589247047465]
  空間分解能を高め, 質量分析画像に細胞形態学的コントラストを導入する仮想組織染色法を提案する。 ヒト腎臓組織に対するブラインド試験では、ラベルのないサンプルの実質的に染色された画像は、その組織化学的に染色されたものと密に一致していることが示された。
  論文  参考訳（メタデータ） (2024-11-20T08:30:11Z)
• CryoFM: A Flow-based Foundation Model for Cryo-EM Densities [50.291974465864364]
  生成モデルとして設計された基礎モデルであるCryoFMについて,高品質密度マップの分布を学習する。 フローマッチングに基づいて構築されたCryoFMは、生物分子密度マップの以前の分布を正確に捉えるために訓練されている。
  論文  参考訳（メタデータ） (2024-10-11T08:53:58Z)
• NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
  本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。 様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
  論文  参考訳（メタデータ） (2024-03-27T02:42:52Z)
• 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)
• Cumulant expansion framework for internal gradient distributions tensors [0.0]
  内部勾配分布テンソル(IGDT)は多孔質体と生体組織を特徴付ける微細形態情報を含む。 これらのIGDTは、多孔質体および生体組織を特徴付ける微細形態情報を含む。
  論文  参考訳（メタデータ） (2023-04-04T18:33:32Z)
• A Unified Learning Model for Estimating Fiber Orientation Distribution Functions on Heterogeneous Multi-shell Diffusion-weighted MRI [7.619657591752497]
  拡散強調(DW)MRIは、各ボクセルの局所拡散過程の方向とスケールを、q空間のスペクトルを通して測定する。 近年の微細構造イメージングと多部分解の進展は、信号の放射状b値依存性に新たな注意を喚起している。 単一ステージの球面畳み込みニューラルネットワークを用いて,効率的な繊維配向分布関数推定を行う。
  論文  参考訳（メタデータ） (2023-03-29T00:58:18Z)
• How can spherical CNNs benefit ML-based diffusion MRI parameter estimation? [2.4417196796959906]
  球状畳み込みニューラルネットワーク(S-CNN)は、従来の完全連結ネットワーク(FCN)に対して明確な優位性を提供する 拡散強調画像(DWI)のみからなるdMRIデータを取得する現況
  論文  参考訳（メタデータ） (2022-07-01T17:49:26Z)
• Three-dimensional microstructure generation using generative adversarial neural networks in the context of continuum micromechanics [77.34726150561087]
  本研究は, 三次元マイクロ構造生成に適した生成対向ネットワークを提案する。 軽量アルゴリズムは、明示的な記述子を必要とせずに、単一のmicroCTスキャンから材料の基礎特性を学習することができる。
  論文  参考訳（メタデータ） (2022-05-31T13:26:51Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。