Fugu-MT 論文翻訳(概要): A generalisable head MRI defacing pipeline: Evaluation on 2,566 meningioma scans

論文の概要: A generalisable head MRI defacing pipeline: Evaluation on 2,566 meningioma scans

arxiv url: http://arxiv.org/abs/2505.12999v1
Date: Mon, 19 May 2025 11:39:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-20 14:57:11.566081
Title: A generalisable head MRI defacing pipeline: Evaluation on 2,566 meningioma scans
Title（参考訳）: 全般性頭部MRI像 : 髄膜腫2,566例の検討
Authors: Lorena Garcia-Foncillas Macias, Aaron Kujawa, Aya Elshalakany, Jonathan Shapey, Tom Vercauteren,
Abstract要約: 我々は、アトラスベースの登録と脳マスクを統合した高分解能MRIのための、堅牢で汎用的なデファイリングパイプラインを提案する。髄膜腫に対する2,566種類の異種臨床検査を行い,99.92パーセントの成功率を得た。
参考スコア（独自算出の注目度）: 2.7219200491616378
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reliable MRI defacing techniques to safeguard patient privacy while preserving brain anatomy are critical for research collaboration. Existing methods often struggle with incomplete defacing or degradation of brain tissue regions. We present a robust, generalisable defacing pipeline for high-resolution MRI that integrates atlas-based registration with brain masking. Our method was evaluated on 2,566 heterogeneous clinical scans for meningioma and achieved a 99.92 per cent success rate (2,564/2,566) upon visual inspection. Excellent anatomical preservation is demonstrated with a Dice similarity coefficient of 0.9975 plus or minus 0.0023 between brain masks automatically extracted from the original and defaced volumes. Source code is available at https://github.com/cai4cai/defacing_pipeline.
Abstract（参考訳）: 脳解剖学を保ちながら患者のプライバシーを守るための信頼性の高いMRI画像認識技術は、研究協力に不可欠である。既存の方法は、しばしば脳組織領域の不完全な変形や劣化に苦しむ。我々は、アトラスベースの登録と脳マスクを統合した高分解能MRIのための、堅牢で汎用的なデファイリングパイプラインを提案する。 2,564/2,566例の髄膜腫検診で99.92%成功率(2,564/2,566例)を得た。解剖学的に優れた保存は、元の量から自動的に抽出された脳マスク間のDice類似度係数0.9975プラスまたはマイナス0.0023で示される。ソースコードはhttps://github.com/cai4cai/de facing_pipeline.comで入手できる。

関連論文リスト

Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文参考訳（メタデータ） (2023-03-07T09:40:22Z)
A deep learning approach for brain tumor detection using magnetic resonance imaging [0.0]
脳腫瘍は、子供や成人で最も危険な疾患の1つと考えられている。 MRI画像から脳腫瘍を検出するための畳み込みニューラルネットワーク(CNN)に基づく図解が提案されている。提案したモデルでは98.6%の精度と97.8%の精度でクロスエントロピー速度が低い。
論文参考訳（メタデータ） (2022-10-25T10:13:29Z)
Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。これにより3次元広視野CTスキャンが主流となる可能性がある。
論文参考訳（メタデータ） (2022-10-13T01:51:29Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
A New Deep Hybrid Boosted and Ensemble Learning-based Brain Tumor Analysis using MRI [0.28675177318965034]
磁気共鳴画像(MRI)における脳腫瘍の検出・分類のための2段階深層学習フレームワークの提案第1フェーズでは、健康な人から腫瘍MRI画像を検出するために、新しい深層化特徴とアンサンブル分類器(DBF-EC)方式が提案されている。第2段階では, 異なる腫瘍タイプを分類するために, 動的静的特徴とML分類器からなる融合型脳腫瘍分類法が提案されている。
論文参考訳（メタデータ） (2022-01-14T10:24:47Z)
Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文参考訳（メタデータ） (2021-10-11T07:13:26Z)
Rapid head-pose detection for automated slice prescription of fetal-brain MRI [2.0526610003396657]
胎児脳MRIでは, 処方と接収の主目的の変化は, 標準的な矢状, 冠状, 軸方向の視線を得る上での課題である。そこで本研究では,EPI(Full-uterus Scout scan)を用いた頭部位置検出アルゴリズムを提案する。この方法の成功率は3学期で94%を超え、訓練された技術者を最大20%上回った。
論文参考訳（メタデータ） (2021-10-08T13:59:05Z)
Deep Convolutional Neural Networks Model-based Brain Tumor Detection in Brain MRI Images [0.0]
我々の研究は、MR画像から脳腫瘍を診断するためのディープ畳み込みニューラルネットワーク(DCNN)を実装することである。本モデルでは, 腫瘍でMR像を抽出し, 全体的な精度は96%であった。
論文参考訳（メタデータ） (2020-10-03T07:42:17Z)
Robust Automatic Whole Brain Extraction on Magnetic Resonance Imaging of Brain Tumor Patients using Dense-Vnet [5.684776869811468]
全身脳抽出(ひゃく脳きゅうがく、英: Whole brain extract)は、頭蓋骨、眼球、皮膚などの非脳組織を神経画像から除去する過程である。文献では頭蓋骨を剥がすアプローチが多用されているにもかかわらず、病理像、特に脳腫瘍のMRIの処理に十分な精度のものは少ない。脳腫瘍患者におけるT1-weighted with Gadolinium contrast (T1Gd) やT2-weighted fluid attenuated inversion recovery (FLAIR) などの腫瘍学における共通MRIシークエンシングのための深層学習手法を提案する。
論文参考訳（メタデータ） (2020-06-04T03:18:43Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。