論文の概要: Active Sampling for MRI-based Sequential Decision Making

• arxiv url: http://arxiv.org/abs/2505.04586v1
• Date: Wed, 07 May 2025 17:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.165171
• Title: Active Sampling for MRI-based Sequential Decision Making
• Title（参考訳）: MRIを用いたシーケンス決定のためのアクティブサンプリング
• Authors: Yuning Du, Jingshuai Liu, Rohan Dharmakumar, Sotirios A. Tsaftaris,
• Abstract要約: アンダーサンプルk空間データから包括的,逐次的,診断的評価が可能な,新しい強化学習フレームワークを提案する。 本フレームワークは,k空間サンプルを著しく節約しつつ,疾患検出,重症度,総合的な診断に関する様々なポリシーベースのベンチマークと競合する診断性能を実現する。
• 参考スコア（独自算出の注目度）: 10.32110889047933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the superior diagnostic capability of Magnetic Resonance Imaging (MRI), its use as a Point-of-Care (PoC) device remains limited by high cost and complexity. To enable such a future by reducing the magnetic field strength, one key approach will be to improve sampling strategies. Previous work has shown that it is possible to make diagnostic decisions directly from k-space with fewer samples. Such work shows that single diagnostic decisions can be made, but if we aspire to see MRI as a true PoC, multiple and sequential decisions are necessary while minimizing the number of samples acquired. We present a novel multi-objective reinforcement learning framework enabling comprehensive, sequential, diagnostic evaluation from undersampled k-space data. Our approach during inference actively adapts to sequential decisions to optimally sample. To achieve this, we introduce a training methodology that identifies the samples that contribute the best to each diagnostic objective using a step-wise weighting reward function. We evaluate our approach in two sequential knee pathology assessment tasks: ACL sprain detection and cartilage thickness loss assessment. Our framework achieves diagnostic performance competitive with various policy-based benchmarks on disease detection, severity quantification, and overall sequential diagnosis, while substantially saving k-space samples. Our approach paves the way for the future of MRI as a comprehensive and affordable PoC device. Our code is publicly available at https://github.com/vios-s/MRI_Sequential_Active_Sampling
• Abstract（参考訳）: 磁気共鳴イメージング(MRI)の優れた診断能力にもかかわらず、ポア・オブ・ケア(PoC)デバイスとしての使用は、高いコストと複雑さによって制限されている。 磁場強度を下げることにより、そのような未来を実現するためには、サンプリング戦略を改善することが重要である。 これまでの研究では、より少ないサンプルでk空間から直接診断を行うことが可能であることが示されている。 このような研究は、単一の診断決定が可能であることを示しているが、MRIを真のPoCと見なすためには、取得したサンプルの数を最小化しながら、複数のシーケンシャルな決定が必要である。 アンダーサンプルk空間データから包括的,逐次的,診断的評価が可能な,新しい多目的強化学習フレームワークを提案する。 推論における我々のアプローチは、最適なサンプリングを行うためのシーケンシャルな決定に積極的に適応する。 そこで我々は,段階的に重み付けされた報酬関数を用いて,各診断目標に最も貢献するサンプルを特定する訓練手法を提案する。 ACLスプライン検出と軟骨の厚み損失評価という2つの連続的な膝病理評価課題におけるアプローチの評価を行った。 本フレームワークは,k空間サンプルを著しく節約しつつ,疾患検出,重症度定量化,総合的な診断に関する様々なポリシーベースのベンチマークと競合する診断性能を実現する。 われわれのアプローチは、MRIが包括的で手頃な価格のPoCデバイスになるための道を開くものである。 私たちのコードはhttps://github.com/vios-s/MRI_Sequential_Active_Samplingで公開されています。

関連論文リスト

• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• SCREENER: A general framework for task-specific experiment design in quantitative MRI [5.531414667421242]
  SCREENERは、定量的MRIにおけるタスク固有の実験設計のための一般的なフレームワークである。 タスク固有の目的を取り入れ、深層強化学習(DRL)に基づく最適化戦略を用いて最適なプロトコルを求める。 その結果,SCREENERは,SNR条件下で,従来のアドホックおよび最適化プロトコルよりも優れていた。
  論文  参考訳（メタデータ） (2024-08-06T21:43:50Z)
• The MRI Scanner as a Diagnostic: Image-less Active Sampling [9.964204750574469]
  そこで我々は, 患者レベルにおいて, k空間のアンサンプから疾患を直接推測するために, 強化学習を通じて, 能動的サンプリング戦略を学習するMLベースのフレームワークを提案する。 我々は,Meniscus Tearをアンダーサンプル膝MRIで評価し,MLによる診断に匹敵する診断性能が得られた。
  論文  参考訳（メタデータ） (2024-06-24T16:00:20Z)
• 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)
• Deep Learning based Multi-modal Computing with Feature Disentanglement for MRI Image Synthesis [8.363448006582065]
  本稿では,MRI合成のための深層学習に基づくマルチモーダル計算モデルを提案する。 提案手法は,各入力モダリティを,共有情報と特定の情報を持つモダリティ固有空間で分割する。 テストフェーズにおける目標モダリティの特定情報の欠如に対処するために、局所適応融合(laf)モジュールを採用してモダリティライクな擬似ターゲットを生成する。
  論文  参考訳（メタデータ） (2021-05-06T17:22:22Z)
• Deep learning in magnetic resonance prostate segmentation: A review and a new perspective [4.453410156617238]
  MR前立腺セグメンテーションにおける最先端のディープラーニングアルゴリズムについて概説する。 その限界と強みを議論することで、この分野に洞察を与えます。 MR前立腺セグメンテーションのための最適化された2次元U-Netを提案する。
  論文  参考訳（メタデータ） (2020-11-16T08:58:38Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。