Fugu-MT 論文翻訳(概要): Feasibility study for reconstruction of knee MRI from one corresponding X-ray via CNN

論文の概要: Feasibility study for reconstruction of knee MRI from one corresponding X-ray via CNN

arxiv url: http://arxiv.org/abs/2503.13555v1
Date: Sun, 16 Mar 2025 21:09:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-19 14:14:51.971026
Title: Feasibility study for reconstruction of knee MRI from one corresponding X-ray via CNN
Title（参考訳）: CNNによる片側X線からの膝関節再建の可能性の検討
Authors: Zhe Wang, Aladine Chetouani, Rachid Jennane,
Abstract要約: 本稿では,1つの対応するX線からMRIを生成するためのディープラーニングに基づくアプローチを提案する。提案手法では,X線画像再構成のために訓練された畳み込みオートエンコーダ(CAE)モデルの隠れ変数を,ジェネレータモデルの入力として使用し,3次元MRIを提供する。
参考スコア（独自算出の注目度）: 7.46904353981184
License:
Abstract: Generally, X-ray, as an inexpensive and popular medical imaging technique, is widely chosen by medical practitioners. With the development of medical technology, Magnetic Resonance Imaging (MRI), an advanced medical imaging technique, has already become a supplementary diagnostic option for the diagnosis of KOA. We propose in this paper a deep-learning-based approach for generating MRI from one corresponding X-ray. Our method uses the hidden variables of a Convolutional Auto-Encoder (CAE) model, trained for reconstructing X-ray image, as inputs of a generator model to provide 3D MRI.
Abstract（参考訳）: 一般的に、安価で一般的な医用イメージング技術であるX線は、医療従事者によって広く選択されている。医療技術の発展に伴い、先進的な医用画像技術である磁気共鳴イメージング(MRI)は、すでに KOA の診断に補助的な診断オプションとなっている。本稿では,1つの対応するX線からMRIを生成するためのディープラーニングに基づくアプローチを提案する。提案手法では,X線画像再構成のために訓練された畳み込みオートエンコーダ(CAE)モデルの隠れ変数を,ジェネレータモデルの入力として使用し,3次元MRIを提供する。

関連論文リスト

Feasibility Study of a Diffusion-Based Model for Cross-Modal Generation of Knee MRI from X-ray: Integrating Radiographic Feature Information [8.466319668322432]
膝関節症 (KOA) は筋骨格性疾患であり, 費用対効果からX線で診断されることが多い。磁気共鳴イメージング(MRI)は優れた軟組織可視化を提供し、貴重な補助的診断ツールとして機能する。
論文参考訳（メタデータ） (2024-10-09T15:44:34Z)
Exploration of Multi-Scale Image Fusion Systems in Intelligent Medical Image Analysis [3.881664394416534]
MRI画像上で脳腫瘍の自動分離を行う必要がある。このプロジェクトは、U-Netに基づいたMRIアルゴリズムを構築することを目的としている。
論文参考訳（メタデータ） (2024-05-23T04:33:12Z)
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)
UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields [38.62191342903111]
生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
論文参考訳（メタデータ） (2023-11-10T02:47:15Z)
fMRI-PTE: A Large-scale fMRI Pretrained Transformer Encoder for Multi-Subject Brain Activity Decoding [54.17776744076334]
本稿では,fMRI事前学習のための革新的オートエンコーダであるfMRI-PTEを提案する。我々のアプローチでは、fMRI信号を統合された2次元表現に変換し、次元の整合性を確保し、脳の活動パターンを保存する。コントリビューションには、fMRI-PTEの導入、革新的なデータ変換、効率的なトレーニング、新しい学習戦略、そして我々のアプローチの普遍的な適用性が含まれる。
論文参考訳（メタデータ） (2023-11-01T07:24:22Z)
Video4MRI: An Empirical Study on Brain Magnetic Resonance Image Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
論文参考訳（メタデータ） (2023-02-24T15:26:31Z)
Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文参考訳（メタデータ） (2022-09-28T10:27:10Z)
MedNeRF: Medical Neural Radiance Fields for Reconstructing 3D-aware CT-Projections from a Single X-ray [14.10611608681131]
過剰な電離放射線は、体に決定論的かつ有害な影響をもたらす可能性がある。本稿では,CTプロジェクションの再構成を学習する深層学習モデルを提案する。
論文参考訳（メタデータ） (2022-02-02T13:25:23Z)
X-ray Dissectography Enables Stereotography to Improve Diagnostic Performance [5.357314252311141]
少ない放射線投影から対象臓器・組織をデジタル的に抽出する「X線ディストモグラフィー」を提案する。実験により、X線ステレオグラフィーは肺のような孤立した臓器で達成できることが示された。 X線ディストモグラフィーは、放射線線量とシステムコストにおけるCTグレード診断のための新しいX線画像モダリティを、放射線画像やトモシンセティックイメージングに匹敵する、と約束している。
論文参考訳（メタデータ） (2021-11-30T00:31:59Z)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
XraySyn: Realistic View Synthesis From a Single Radiograph Through CT Priors [118.27130593216096]
放射線写真は、X線を用いて患者の内部解剖を視覚化し、3D情報を2次元平面に投影する。私たちの知る限りでは、ラジオグラフィビューの合成に関する最初の研究である。本手法は,3次元空間におけるX線撮影の理解を得ることにより,地中骨ラベルを使わずに,X線撮影による骨抽出と骨抑制に応用できることが示唆された。
論文参考訳（メタデータ） (2020-12-04T05:08:53Z)

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。