論文の概要: Synthetic Generation and Latent Projection Denoising of Rim Lesions in Multiple Sclerosis

• arxiv url: http://arxiv.org/abs/2505.23353v1
• Date: Thu, 29 May 2025 11:22:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.827869
• Title: Synthetic Generation and Latent Projection Denoising of Rim Lesions in Multiple Sclerosis
• Title（参考訳）: 多発性硬化症におけるリム病変の合成生成と潜在投射
• Authors: Alexandra G. Roberts, Ha M. Luu, Mert Şişman, Alexey V. Dimov, Ceren Tozlu, Ilhami Kovanlikaya, Susan A. Gauthier, Thanh D. Nguyen, Yi Wang,
• Abstract要約: 常磁性リム病変の定量的感受性マップを合成した。 我々は、トレーニングされた生成ネットワークの投影能力を利用して、新しい認知的アプローチを実証する。
• 参考スコア（独自算出の注目度）: 36.05347686347065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantitative susceptibility maps from magnetic resonance images can provide both prognostic and diagnostic information in multiple sclerosis, a neurodegenerative disease characterized by the formation of lesions in white matter brain tissue. In particular, susceptibility maps provide adequate contrast to distinguish between "rim" lesions, surrounded by deposited paramagnetic iron, and "non-rim" lesion types. These paramagnetic rim lesions (PRLs) are an emerging biomarker in multiple sclerosis. Much effort has been devoted to both detection and segmentation of such lesions to monitor longitudinal change. As paramagnetic rim lesions are rare, addressing this problem requires confronting the class imbalance between rim and non-rim lesions. We produce synthetic quantitative susceptibility maps of paramagnetic rim lesions and show that inclusion of such synthetic data improves classifier performance and provide a multi-channel extension to generate accompanying contrasts and probabilistic segmentation maps. We exploit the projection capability of our trained generative network to demonstrate a novel denoising approach that allows us to train on ambiguous rim cases and substantially increase the minority class. We show that both synthetic lesion synthesis and our proposed rim lesion label denoising method best approximate the unseen rim lesion distribution and improve detection in a clinically interpretable manner. We release our code and generated data at https://github.com/agr78/PRLx-GAN upon publication.
• Abstract（参考訳）: 磁気共鳴画像からの定量的感受性マップは、白質脳組織の病変の形成を特徴とする神経変性疾患である多発性硬化症の予後情報と診断情報の両方を提供することができる。 特に、感受性マップは、堆積した常磁性鉄に囲まれた「リム」病変と「ノンリム」病変の区別に十分なコントラストを提供する。 これらの常磁性リム病変(PRL)は多発性硬化症に出現するバイオマーカーである。 このような病変の検出と分節化に多くの努力が費やされ、経年変化の監視に費やされている。 常磁性リム病変は稀であるので、この問題に対処するには、リム病変と非リム病変の階級的不均衡に直面する必要がある。 常磁性リム病変の合成定量的感受性マップを作成し,そのような合成データを含めることで分類器の性能が向上し,コントラストと確率的セグメンテーションマップを生成するためのマルチチャネル拡張が提供されることを示した。 我々は、訓練された生成ネットワークの投影能力を利用して、あいまいなリムケースでトレーニングし、マイノリティクラスを大幅に増加させることができる新しい認知的アプローチを実証する。 本研究は, 合成病変合成法と提案したリム病変認識法の両方が, 目に見えないリム病変の分布を最もよく近似し, 臨床的に解釈可能な方法で検出を改善することを示している。 コードと生成されたデータは、公開時にhttps://github.com/agr78/PRLx-GANで公開します。

関連論文リスト

• Clinical Inspired MRI Lesion Segmentation [18.265186077850874]
  本稿では,MRI病変のセグメント化のサブシーケンス表現を学習するための残差融合法を提案する。 具体的には,複数解像度のコントラスト前列と後列の機能を反復的かつ適応的に融合する。 そこで本手法は,脳腫瘍セグメント化のためのBraTS2023データセットと,乳房病変セグメント化のための社内MRIデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-02-22T01:37:35Z)
• Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
  DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。 以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-03-20T18:01:57Z)
• 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)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)
• Diffusion-Weighted Magnetic Resonance Brain Images Generation with Generative Adversarial Networks and Variational Autoencoders: A Comparison Study [55.78588835407174]
  本研究では,高画質,多彩で現実的な拡散重み付き磁気共鳴画像が深部生成モデルを用いて合成可能であることを示す。 Introspective Variational AutoencoderとStyle-Based GANの2つのネットワークを医療分野におけるデータ拡張の資格として提示する。
  論文  参考訳（メタデータ） (2020-06-24T18:00:01Z)

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。