論文の概要: Estimation of Head Motion in Structural MRI and its Impact on Cortical Thickness Measurements in Retrospective Data
- arxiv url: http://arxiv.org/abs/2505.23916v2
- Date: Mon, 09 Jun 2025 18:25:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 19:51:30.208397
- Title: Estimation of Head Motion in Structural MRI and its Impact on Cortical Thickness Measurements in Retrospective Data
- Title（参考訳）: 構造MRIにおける頭部運動の推定と脳皮質の厚さ測定への影響
- Authors: Charles Bricout, Samira Ebrahimi Kahou, Sylvain Bouix,
- Abstract要約: MRIでは運動関連アーティファクトは避けられない
これらのアーティファクトは、皮質厚みなどの自動神経解剖学的指標をバイアスすることができる。
ここでは、3次元畳み込みニューラルネットワークをトレーニングし、振り返りの定期的な研究スキャンで要約運動距離を推定する。
- 参考スコア（独自算出の注目度）: 4.072070248526498
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Motion-related artifacts are inevitable in Magnetic Resonance Imaging (MRI) and can bias automated neuroanatomical metrics such as cortical thickness. These biases can interfere with statistical analysis which is a major concern as motion has been shown to be more prominent in certain populations such as children or individuals with ADHD. Manual review cannot objectively quantify motion in anatomical scans, and existing quantitative automated approaches often require specialized hardware or custom acquisition protocols. Here, we train a 3D convolutional neural network to estimate a summary motion metric in retrospective routine research scans by leveraging a large training dataset of synthetically motion-corrupted volumes. We validate our method with one held-out site from our training cohort and with 14 fully independent datasets, including one with manual ratings, achieving a representative $R^2 = 0.65$ versus manual labels and significant thickness-motion correlations in 12/15 datasets. Furthermore, our predicted motion correlates with subject age in line with prior studies. Our approach generalizes across scanner brands and protocols, enabling objective, scalable motion assessment in structural MRI studies without prospective motion correction. By providing reliable motion estimates, our method offers researchers a tool to assess and account for potential biases in cortical thickness analyses.
- Abstract（参考訳）: 運動関連アーティファクトは磁気共鳴イメージング(MRI)では避けられず、皮質の厚みなどの自動神経解剖学的指標に偏りがある。
これらのバイアスは、ADHDを持つ子供や個人のような特定の集団において、動きがより顕著であることが示されているため、主要な関心事である統計分析に干渉する可能性がある。
手動のレビューは解剖学的スキャンでの動作を客観的に定量化することはできない。
そこで我々は,3次元畳み込みニューラルネットワークをトレーニングし,合成運動崩壊ボリュームの大規模なトレーニングデータセットを活用することで,振り返りルーチンスキャンにおける要約運動距離を推定する。
トレーニングコホートから1つのホールトアウトサイトと14の完全独立データセットを用いて,手動評価による評価,手動ラベルに対する代表的$R^2 = 0.65$,12/15データセットにおける有意な厚み-運動相関などの評価を行った。
さらに, 予測動作は対象年齢と先行研究と相関する。
提案手法はスキャナーのブランドやプロトコルにまたがって一般化され,前向きな動作補正を伴わない構造MRI研究において,客観的かつスケーラブルな動作評価が可能となった。
信頼性の高い動き推定を提供することにより,大脳皮質の厚さ分析における潜在的なバイアスを評価・評価するツールを研究者に提供する。
関連論文リスト
- DIMA: DIffusing Motion Artifacts for unsupervised correction in brain MRI images [4.117232425638352]
DIMA(DIffusing Motion Artifacts)は、拡散モデルを活用する新しいフレームワークであり、脳MRIにおける教師なしモーションアーティファクトの修正を可能にする。
我々の2段階のアプローチは、まず、障害のない動画像上の拡散モデルを訓練し、運動成果物の分布を学習する。
このモデルは、クリーンな画像上で現実的なモーションアーティファクトを生成し、修正ネットワークの教師付きトレーニングに適したペア化されたデータセットを作成する。
論文 参考訳（メタデータ） (2025-04-09T10:43:38Z) - Self-Supervised Pretext Tasks for Alzheimer's Disease Classification using 3D Convolutional Neural Networks on Large-Scale Synthetic Neuroimaging Dataset [11.173478552040441]
アルツハイマー病(Alzheimer's Disease, AD)は、脳の局所的および広範な神経変性を誘導する疾患である。
本研究では、下流ADとCN分類のための特徴抽出器を訓練するための教師なし手法をいくつか評価した。
論文 参考訳（メタデータ） (2024-06-20T11:26:32Z) - A self-attention model for robust rigid slice-to-volume registration of functional MRI [4.615338063719135]
fMRIスキャン中の頭部の動きは、歪み、偏りの分析、コストの増加をもたらす。
本稿では,2次元fMRIスライスを3次元参照ボリュームに整列するエンド・ツー・エンドSVRモデルを提案する。
本モデルは,最先端のディープラーニング手法と比較して,アライメント精度の面での競合性能を実現する。
論文 参考訳（メタデータ） (2024-04-06T08:02:18Z) - 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) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - CoRRECT: A Deep Unfolding Framework for Motion-Corrected Quantitative R2* Mapping [9.783361575598025]
CoRRECTは、定量的MRI(qMRI)のための統合深部展開(DU)フレームワークである
モデルベースのエンドツーエンドニューラルネットワーク、モーションアーティファクトリダクションの方法、自己教師型学習スキームで構成されている。
実験で収集したmGRE(Multi-Gradient-Recalled Echo) MRIデータから,CoRRECTは高速な取得設定で動きと不均一なアーチファクトのないR2*マップを復元することを示した。
論文 参考訳（メタデータ） (2022-10-12T15:49:51Z) - Towards Autonomous Atlas-based Ultrasound Acquisitions in Presence of
Articulated Motion [48.52403516006036]
本稿では、自律型ロボットUS手足のスキャンを可能にする視覚ベースのアプローチを提案する。
この目的のために、アノテートされた血管構造を有するヒト腕のアトラスMRIテンプレートを使用して、軌跡を生成する。
いずれの場合も、このシステムはボランティアの手足で計画された血管構造を取得することができる。
論文 参考訳（メタデータ） (2022-08-10T15:39:20Z) - 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) - Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。
その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。
画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
論文 参考訳（メタデータ） (2022-04-11T17:29:36Z) - Simultaneous boundary shape estimation and velocity field de-noising in
Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。
これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。
我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-07-16T12:56:09Z)
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。