論文の概要: Comprehensive segmentation of deep grey nuclei from structural MRI data

• arxiv url: http://arxiv.org/abs/2503.21955v1
• Date: Thu, 27 Mar 2025 20:05:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:31:28.772135
• Title: Comprehensive segmentation of deep grey nuclei from structural MRI data
• Title（参考訳）: 構造MRIデータによる深い灰色核の包括的セグメンテーション
• Authors: Manojkumar Saranathan, Giuseppina Cogliandro, Thomas Hicks, Dianne Patterson, Behroze Vachha, Alberto Cacciola,
• Abstract要約: HIPS(Histogram-based Polynomial Synthesis)は、標準的なT1からWMnのような画像を合成するために用いられる。 深い灰色核の分節に用いられる関節ラベル固定術によるマルチアトラス分節術
• 参考スコア（独自算出の注目度）: 0.041253893450694475
• License:
• Abstract: Motivation: Lack of tools for comprehensive and complete segmentation of deep grey nuclei using a single software for reproducibility and repeatability Goal(s): A fast accurate and robust method for segmentation of deep grey nuclei (thalamic nuclei, basal ganglia, claustrum, red nucleus) from structural T1 MRI data at conventional field strengths Approach: We leverage the improved contrast of white-matter-nulled imaging by using the recently proposed Histogram-based Polynomial Synthesis (HIPS) to synthesize WMn-like images from standard T1 and then use a multi-atlas segmentation with joint label fusion to segment deep grey nuclei. Results: The method worked robustly on all field strengths (1.5/3/7) and Dice coefficients of 0.7 or more were achieved for all structures compared against manual segmentation ground truth. Impact: This method facilitates careful investigation of the role of deep grey nuclei by enabling the use of conventional T1 data from large public databases, which has not been possible, hitherto, due to lack of robust reproducible segmentation tools.
• Abstract（参考訳）: モチベーション(Motivation): 単一ソフトウェアによる再現性と再現性のためのディープグレイ核の包括的かつ完全なセグメンテーションのためのツールの欠如 Goal(s): 従来の磁場強度で構造的T1MRIデータからディープグレイ核(視床核、基底核、クラスタル、赤色核)のセグメンテーションを高速かつ堅牢に行う手法 アプローチ: 最近提案されたヒストグラムベースのポリノミアル合成(HIPS)を用いて、ホワイトマターヌル画像のコントラストを改良し、標準T1からWMn様画像を合成し、さらに、ディープグレイ核をセグメント化するためのジョイントラベル融合によるマルチアトラスセグメンテーションを利用する。 結果: 本手法はすべてのフィールド強度(1.5/3/7)に頑健に作用し, 手動セグメンテーショングラウンド真実と比較して0.7以上のディス係数が得られた。 影響: 本手法は, 再現性に富んだセグメンテーションツールが欠如していることから, 大規模な公開データベースからの従来のT1データの利用を可能にすることにより, 深い灰色核の役割を慎重に調査することを容易にする。

関連論文リスト

• DeepThalamus: A novel deep learning method for automatic segmentation of brain thalamic nuclei from multimodal ultra-high resolution MRI [31.874825130479174]
  超高分解能(0.125mm3)での視床核分割のための多モード体積深部ニューラルネットワークの設計と実装を行った。 超高分解能T1,T2,White Matter nulled (WMn) 画像を用いて半自動分割視床核のデータベースを構築した。 ディープラーニングに基づく新しい戦略は、自動セグメンテーションを得るために設計され、その堅牢性とアクカリティを改善するために訓練された。
  論文  参考訳（メタデータ） (2024-01-15T14:59:56Z)
• Enhancing Nucleus Segmentation with HARU-Net: A Hybrid Attention Based Residual U-Blocks Network [9.718765096478371]
  核分割の現在の手法は、核形態学や輪郭に基づくアプローチに依存している。 本稿では,ハイブリッドアテンションに基づく残差Uブロックを用いたデュアルブランチネットワークを提案する。 ネットワーク内において,ネットワークからコンテキスト情報を効果的に抽出し,マージするコンテキスト融合ブロック(CF-block)を提案する。
  論文  参考訳（メタデータ） (2023-08-07T08:03:20Z)
• Complementary Random Masking for RGB-Thermal Semantic Segmentation [63.93784265195356]
  RGB-熱的セマンティックセグメンテーションは、悪天候や照明条件における信頼性の高いセマンティックセマンティックセマンティック理解を実現するための潜在的ソリューションである。 本稿では,1)RGB-T画像の相補的ランダムマスキング戦略,2)クリーンモードとマスク入力モードの自己蒸留損失を提案する。 3つのRGB-Tセマンティックセマンティックセグメンテーションベンチマークで最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-30T13:57:21Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Comparative analysis of deep learning approaches for AgNOR-stained cytology samples interpretation [52.77024349608834]
  本稿では, 深層学習手法を用いて, 好気性ヌクレオラオーガナイザ領域 (AgNOR) 染色スライダを解析する方法を提案する。 以上の結果から,バックボーンとしてResNet-18やResNet-34を用いたU-Netを用いたセマンティックセマンティックセマンティックセマンティクスは類似した結果を示す。 最も優れたモデルは、それぞれ0.83、0.92、0.99の核、クラスター、衛星のIoUを示す。
  論文  参考訳（メタデータ） (2022-10-19T15:15:32Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Bend-Net: Bending Loss Regularized Multitask Learning Network for Nuclei Segmentation in Histopathology Images [65.47507533905188]
  重なり合う核を正確に分離するために、曲げ損失正規化器を備えた新しいマルチタスク学習ネットワークを提案する。 新たに提案されたマルチタスク学習アーキテクチャは、3つのタスクから共有表現を学習することで一般化を促進する。 提案した曲げ損失は,輪郭点を大きな曲率で囲むために高いペナルティを定義し,小さな曲率で凸輪郭点に小さなペナルティを適用した。
  論文  参考訳（メタデータ） (2021-09-30T17:29:44Z)
• Bone Segmentation in Contrast Enhanced Whole-Body Computed Tomography [2.752817022620644]
  本稿では,低線量造影による全身CTスキャンから骨骨髄領域を分離する新しい前処理技術を用いたU-netアーキテクチャについて概説する。 骨とコントラスト染料の差別化には, 適切な前処理が重要であること, 限られたデータで優れた結果が得られることを実証した。
  論文  参考訳（メタデータ） (2020-08-12T10:48:38Z)
• Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
  本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。 本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T15:41:29Z)
• Deep Cerebellar Nuclei Segmentation via Semi-Supervised Deep Context-Aware Learning from 7T Diffusion MRI [10.706353524285346]
  深部小脳核は、運動や感覚情報を処理する小脳の重要な構造である。 標準的な臨床磁気共鳴イメージング(MRI)プロトコルの下で、そのような小さな核をはっきりと可視化することは困難である。 7 Tesla (T) MRI技術の最近の進歩とディープニューラルネットワークの可能性は、自動的に患者固有のセグメンテーションを促進する。 7T拡散MRIにおける深部小脳歯状突起と介在核の高速・高精度・堅牢な患者特異的セグメンテーションのための新しい深部学習フレームワーク(DCN-Net)を提案する。
  論文  参考訳（メタデータ） (2020-04-21T07:30:07Z)

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。