論文の概要: A detection-task-specific deep-learning method to improve the quality of sparse-view myocardial perfusion SPECT images

• arxiv url: http://arxiv.org/abs/2504.16171v1
• Date: Tue, 22 Apr 2025 18:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.882875
• Title: A detection-task-specific deep-learning method to improve the quality of sparse-view myocardial perfusion SPECT images
• Title（参考訳）: Sparse-view 心筋灌流SPECT画像の品質向上のための検出タスク特異的深層学習法
• Authors: Zezhang Yang, Zitong Yu, Nuri Choi, Abhinav K. Jha,
• Abstract要約: 単光子線CT(SPECT)を併用した心筋灌流画像(MPI)は,冠動脈疾患の診断に広く用いられ,費用対効果が高い。 この画像撮影の長い走査時間は、患者の不快感、運動アーティファクト、そして潜在的に不正確な診断を引き起こす可能性がある。 スパースビューMPI SPECT画像に対する検出タスク固有のディープラーニング手法を提案する。
• 参考スコア（独自算出の注目度）: 17.91266458357747
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Myocardial perfusion imaging (MPI) with single-photon emission computed tomography (SPECT) is a widely used and cost-effective diagnostic tool for coronary artery disease. However, the lengthy scanning time in this imaging procedure can cause patient discomfort, motion artifacts, and potentially inaccurate diagnoses due to misalignment between the SPECT scans and the CT-scans which are acquired for attenuation compensation. Reducing projection angles is a potential way to shorten scanning time, but this can adversely impact the quality of the reconstructed images. To address this issue, we propose a detection-task-specific deep-learning method for sparse-view MPI SPECT images. This method integrates an observer loss term that penalizes the loss of anthropomorphic channel features with the goal of improving performance in perfusion defect-detection task. We observed that, on the task of detecting myocardial perfusion defects, the proposed method yielded an area under the receiver operating characteristic (ROC) curve (AUC) significantly larger than the sparse-view protocol. Further, the proposed method was observed to be able to restore the structure of the left ventricle wall, demonstrating ability to overcome sparse-sampling artifacts. Our preliminary results motivate further evaluations of the method.
• Abstract（参考訳）: 単光子線CT(SPECT)を併用した心筋灌流画像(MPI)は,冠動脈疾患の診断に広く用いられ,費用対効果が高い。 しかし、この画像撮影における長時間の走査は、減衰補正のために取得されたSPECTスキャンとCTスキャンとのずれにより、患者の不快感、運動アーティファクト、および潜在的に不正確な診断を引き起こす可能性がある。 投影角を減らすことは走査時間を短縮する潜在的方法であるが、これは再構成された画像の品質に悪影響を及ぼす可能性がある。 この問題に対処するために,スパースビューMPI SPECT画像に対する検出タスク固有のディープラーニング手法を提案する。 本手法は,人為的チャネル特性の喪失をペナルティ化する観察者損失項と,灌流欠陥検出タスクの性能向上を目標とする観測者損失項を統合する。 また, 心筋灌流障害の検出作業において, 提案手法は, スパース・ビュー・プロトコルよりも, 受信部操作特性(ROC)曲線(AUC)の領域が有意に大きいことを観察した。 さらに, 左室壁の構造を復元し, スパースサンプリングを克服できることを示した。 予備結果は,本手法のさらなる評価を動機づけるものである。

関連論文リスト

• Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI [2.512491726995032]
  リアルタイム(RT)ダイナミックMRIは、迅速な生理的過程を捉える上で重要な役割を担っている。 RT cine MRIは高時間分解能心機能評価に重要である。 心外組織からのアーティファクトのエイリアス化により, RT cine MRI の高速化は困難である。
  論文  参考訳（メタデータ） (2025-05-01T16:31:52Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• Super resolution of histopathological frozen sections via deep learning preserving tissue structure [0.0]
  病理組織学的凍結切片の超解像に対する新しいアプローチを提案する。 我々のディープラーニングアーキテクチャは、補間された画像と実際の画像の間の誤りを学習することに焦点を当てている。 既存の手法と比較して、構造類似度指数 (SSIM) とピーク信号-雑音比 (PSNR) の面で大幅に改善された。 提案手法は, 画像試料の高分解能を保ちながら, より高速な凍結断面積撮影を実現する大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-10-17T09:52:54Z)
• DEMIST: A deep-learning-based task-specific denoising approach for myocardial perfusion SPECT [17.994633874783144]
  MPI SPECT画像(DEMIST)を識別するタスク固有深層学習手法を提案する。 この手法は、デノゲーションを行う一方で、検出タスクにおけるオブザーバのパフォーマンスに影響を与える特徴を保存するように設計されている。 以上の結果から,MPI SPECTで低位像を呈示するDEMISTのさらなる臨床評価が示唆された。
  論文  参考訳（メタデータ） (2023-06-07T08:40:25Z)
• 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)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Learning the Regularization in DCE-MR Image Reconstruction for Functional Imaging of Kidneys [1.2890174947191904]
  機能的画像マーカーの精度を低下させることなく、MRIアンダーサンプリングアーティファクトを低減するために、単一の訓練されたディープニューラルネットワークを提案する。 提案したアプローチは、CS再構成を用いて推定された基底真理マーカーと高い相関を示す腎臓バイオマーカーである。
  論文  参考訳（メタデータ） (2021-09-15T19:27:53Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT Source Trajectories for Artifact Avoidance [47.345403652324514]
  市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。 そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。 リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
  論文  参考訳（メタデータ） (2020-08-14T09:23:50Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。