論文の概要: Reproducibility Assessment of Magnetic Resonance Spectroscopy of Pregenual Anterior Cingulate Cortex across Sessions and Vendors via the Cloud Computing Platform CloudBrain-MRS

• arxiv url: http://arxiv.org/abs/2503.04453v1
• Date: Thu, 06 Mar 2025 14:06:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 17:59:00.859389
• Title: Reproducibility Assessment of Magnetic Resonance Spectroscopy of Pregenual Anterior Cingulate Cortex across Sessions and Vendors via the Cloud Computing Platform CloudBrain-MRS
• Title（参考訳）: クラウドコンピューティングプラットフォームCloudBrain-MRSによる前駆前帯状皮質の磁気共鳴分光の再現性評価
• Authors: Runhan Chen, Meijin Lin, Jianshu Chen, Liangjie Lin, Jiazheng Wang, Xiaoqing Li, Jianhua Wang, Xu Huang, Ling Qian, Shaoxing Liu, Yuan Long, Di Guo, Xiaobo Qu, Haiwei Han,
• Abstract要約: この研究は、異なるセッション、マシンモデル、さらには3つのTスキャナーの異なるベンダーから得られる代謝物濃度が再現性が高く、診断分析のためにプールされているかどうかを決定することである。 参加者は1週間以内に2日間に1度MRI検査を受けた。
• 参考スコア（独自算出の注目度）: 23.877573187023888
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Given the need to elucidate the mechanisms underlying illnesses and their treatment, as well as the lack of harmonization of acquisition and post-processing protocols among different magnetic resonance system vendors, this work is to determine if metabolite concentrations obtained from different sessions, machine models and even different vendors of 3 T scanners can be highly reproducible and be pooled for diagnostic analysis, which is very valuable for the research of rare diseases. Participants underwent magnetic resonance imaging (MRI) scanning once on two separate days within one week (one session per day, each session including two proton magnetic resonance spectroscopy (1H-MRS) scans with no more than a 5-minute interval between scans (no off-bed activity)) on each machine. were analyzed for reliability of within- and between- sessions using the coefficient of variation (CV) and intraclass correlation coefficient (ICC), and for reproducibility of across the machines using correlation coefficient. As for within- and between- session, all CV values for a group of all the first or second scans of a session, or for a session were almost below 20%, and most of the ICCs for metabolites range from moderate (0.4-0.59) to excellent (0.75-1), indicating high data reliability. When it comes to the reproducibility across the three scanners, all Pearson correlation coefficients across the three machines approached 1 with most around 0.9, and majority demonstrated statistical significance (P<0.01). Additionally, the intra-vendor reproducibility was greater than the inter-vendor ones.
• Abstract（参考訳）: 疾患とその治療のメカニズムを解明すると同時に、異なる磁気共鳴システムベンダー間での取得と後処理プロトコルの調和が欠如していることを踏まえ、この研究は、異なるセッション、マシンモデル、さらには3Tスキャナーの異なるベンダーから得られる代謝物濃度が高い再現性を持ち、診断分析のためにプールされるかどうかを判断することであり、これは稀な疾患の研究に非常に有用である。 参加者は1週間以内に2日間(1日1セッション、各セッションは2つの陽子磁気共鳴分光(1H-MRS)スキャンを含む)でMRIスキャンを受けた。 変動係数 (CV) とクラス内相関係数 (ICC) を用いて, セッション内およびセッション間の信頼性を解析し, 相関係数を用いたマシン間の再現性について検討した。 セッション内およびセッション間については、セッションの第1スキャンまたは第2スキャンの全てのグループのCV値は20%以下であり、代謝物のICCは中等度 (0.4-0.59) から優れた (0.75-1) まで変化しており、高いデータの信頼性を示している。 3台のスキャナー間の再現性に関して、Pearson相関係数はすべて0.9前後で1に近づき、多数が統計的に有意であった(P<0.01)。 また, ベンダー内再現性はベンダー間再現性よりも高かった。

関連論文リスト

• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Scanner-Agnostic MRI Harmonization via SSIM-Guided Disentanglement [0.0]
  3次元T1強調脳MRIのための画像ベース調和フレームワークを提案する。 このモデルは、生物学的に意味のある特徴を保存するために、構造的類似度指数(SSIM)に基づく識別可能な損失を組み込む。 視覚的比較,ボクセル強度分布,SSIMに基づく測定により,高調波画像が取得設定間で強い整合性を示した。
  論文  参考訳（メタデータ） (2025-10-24T23:19:02Z)
• Deformable Image Registration for Self-supervised Cardiac Phase Detection in Multi-View Multi-Disease Cardiac Magnetic Resonance Images [0.613184366698301]
  個々の心周期は、自動時相比較またはサブフェーズ分析を複雑にする。 心臓磁気共鳴(CMR)検出のための自己教師型深層学習法を提案する。 EDおよびESでは,SAXでは30%～51%,4CHでは11%～47%の精度で検出精度が向上した。
  論文  参考訳（メタデータ） (2025-10-07T11:40:17Z)
• Evaluation of Machine Learning Reconstruction Techniques for Accelerated Brain MRI Scans [0.0]
  DeepFoqus-Accelerateは、75%のスキャン時間で堅牢な4倍の脳MRI加速を可能にする。 以上の結果から,DeepFoqus-Accelerateは,75%のスキャン時間で頑健な4倍の脳MRI加速を可能にした。
  論文  参考訳（メタデータ） (2025-09-08T20:20:24Z)
• Comparative Evaluation of Hard and Soft Clustering for Precise Brain Tumor Segmentation in MR Imaging [0.0]
  K-Meansアルゴリズムで例示されるハードクラスタリングと,Fuzzy C-Means (FCM)で表されるソフトクラスタリングを比較した。 K平均は平均0.3秒、FCMは平均0.67のセグメンテーション精度を、K平均は0.43の精度で達成した。 これらの結果は、計算効率と境界精度との本質的にのトレードオフを浮き彫りにする。
  論文  参考訳（メタデータ） (2025-09-01T16:40:08Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Automatic Segmentation of the Spinal Cord Nerve Rootlets [0.0]
  本研究の目的は,T2強調MRIによる脊髄神経根のセマンティックセグメンテーションのための自動手法を開発することである。 2つのオープンアクセスMRIデータセットから得られた画像は、C2-C8背側神経根をセグメント化するためのアクティブな学習アプローチを使用して、3D畳み込みニューラルネットワークを訓練するために使用された。 この方法は、トレーニング中に見つからないデータセットの3T T2強調画像を用いて、サイト間、セッション間、解像度間の変動を評価した。
  論文  参考訳（メタデータ） (2024-02-01T16:14:54Z)
• Learned Local Attention Maps for Synthesising Vessel Segmentations [43.314353195417326]
  我々は、T2 MRIのみから、Willis(CoW)円の主大脳動脈の分節を合成するためのエンコーダ・デコーダモデルを提案する。 これは、セグメンテーションラベルを拡張することによって生成された学習されたローカルアテンションマップを使用し、ネットワークはCoWの合成に関連するT2 MRIからのみ情報を抽出する。
  論文  参考訳（メタデータ） (2023-08-24T15:32:27Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Risk Classification of Brain Metastases via Radiomics, Delta-Radiomics and Machine Learning [7.165205048529115]
  放射線学と機械学習 (ML) を用いて, 進行の進行のリスクが高い転移は, 腫瘍発生前の経過観察中に同定できると仮定した。 この分類は、最大関連最小冗長(MRMR)技術とサポートベクトルマシン(SVM)により実現される。 以上の結果から,SRT後フォローアップにおける放射能および機械学習に基づくBMのリスク階層化は,良好な精度で可能であり,SRT後フォローアップのパーソナライズと改善のためにさらに追求すべきであることが示唆された。
  論文  参考訳（メタデータ） (2023-02-17T10:55:18Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Classification of Schizophrenia from Functional MRI Using Large-scale Extended Granger Causality [0.0]
  大規模拡張グランジャー因果関係(lsxgc)は脳ネットワーク接続の変化を捉えることができる。 lsXGCは典型的なコントロールから統合失調症の患者を分類するためのバイオマーカーとして機能します。 統合失調症のバイオマーカーとしてのlsXGCの適用性について検討した。
  論文  参考訳（メタデータ） (2021-01-12T20:36:26Z)
• Fully-Automated Liver Tumor Localization and Characterization from Multi-Phase MR Volumes Using Key-Slice ROI Parsing: A Physician-Inspired Approach [24.39183542768238]
  肝腫瘍の診断には放射線検査が不可欠である。 トップの放射線科医は、適度なレート間合意だけで約80%のf1スコアしか達成できない。 重要な課題は、診断可能な関心領域をローカライズするために、3次元MRボリュームを堅牢に解析することである。
  論文  参考訳（メタデータ） (2020-12-13T05:23:33Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)
• Accuracy of MRI Classification Algorithms in a Tertiary Memory Center Clinical Routine Cohort [40.24757332810004]
  自動体積測定ソフトウェア(AVS)は近年,神経放射線学者に広く普及している。 機械学習技術は診断を支援するための有望なアプローチとして登場した。
  論文  参考訳（メタデータ） (2020-03-19T08:44:46Z)

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。