論文の概要: Adaptive Plane Reformatting for 4D Flow MRI using Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2506.00727v1
• Date: Sat, 31 May 2025 22:02:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 01:42:09.213783
• Title: Adaptive Plane Reformatting for 4D Flow MRI using Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習を用いた4次元流れMRIの適応平面再構成
• Authors: Javier Bisbal, Julio Sotelo, Maria I Valdés, Pablo Irarrazaval, Marcelo E Andia, Julio García, José Rodriguez-Palomarez, Francesca Raimondi, Cristián Tejos, Sergio Uribe,
• Abstract要約: 4次元フローMRIによる実験結果から,平面修正角と距離誤差の精度が向上した。 この手法の柔軟性と適応性は、他の4次元フローMRI以外の医療画像アプリケーションにも有望な候補となる。
• 参考スコア（独自算出の注目度）: 1.980417234322203
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Deep reinforcement learning (DRL) algorithms have shown robust results in plane reformatting tasks. In these methods, an agent sequentially adjusts the position and orientation of an initial plane towards an objective location. This process allows accurate plane reformatting, without the need for detailed landmarks, which makes it suitable for images with limited contrast and resolution, such as 4D flow MRI. However, current DRL methods require the test dataset to be in the same position and orientation as the training dataset. In this paper, we present a novel technique that utilizes a flexible coordinate system based on the current state, enabling navigation in volumes at any position or orientation. We adopted the Asynchronous Advantage Actor Critic (A3C) algorithm for reinforcement learning, outperforming Deep Q Network (DQN). Experimental results in 4D flow MRI demonstrate improved accuracy in plane reformatting angular and distance errors (6.32 +- 4.15 {\deg} and 3.40 +- 2.75 mm), as well as statistically equivalent flow measurements determined by a plane reformatting process done by an expert (p=0.21). The method's flexibility and adaptability make it a promising candidate for other medical imaging applications beyond 4D flow MRI.
• Abstract（参考訳）: 深部強化学習(DRL)アルゴリズムは、平面再構成タスクにおいて堅牢な結果を示している。 これらの方法において、エージェントは、初期平面の位置と向きを目標位置に向けて順次調整する。 このプロセスは、詳細なランドマークを必要とせず、正確な平面再構成を可能にし、4DフローMRIのようなコントラストと解像度の限られた画像に適合する。 しかし、現在のDRLメソッドでは、テストデータセットをトレーニングデータセットと同じ位置と向きにする必要がある。 本稿では,現在の状態に基づくフレキシブルな座標系を利用して,任意の位置や方向のボリュームのナビゲーションを可能にする新しい手法を提案する。 我々は、強化学習のための非同期アドバンテージアクター批判(A3C)アルゴリズムを採用し、ディープQネットワーク(DQN)より優れていた。 4次元フローMRIによる実験の結果、角と距離の誤差(6.32 +- 4.15 {\deg} と 3.40 +- 2.75 mm)の平面改質精度が向上し、また、専門家による平面改質プロセスによって決定される統計的に等価な流れの測定(p=0.21)が示された。 この手法の柔軟性と適応性は、他の4次元フローMRI以外の医療画像アプリケーションにも有望な候補となる。

関連論文リスト

• SUFFICIENT: A scan-specific unsupervised deep learning framework for high-resolution 3D isotropic fetal brain MRI reconstruction [7.268308489093152]
  等方性HR容積再構成のための教師なし反復SVR-SRRフレームワークを提案する。 高分解能(HR)ボリュームを生成するために、ディープイメージ事前フレームワーク内に埋め込まれたデコードネットワークを包括的画像劣化モデルに組み込む。 大規模動乱シミュレーションデータと臨床データを用いて行った実験は,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2025-05-23T04:53:59Z)
• 4DRGS: 4D Radiative Gaussian Splatting for Efficient 3D Vessel Reconstruction from Sparse-View Dynamic DSA Images [49.170407434313475]
  既存の手法は、しばしば最適以下の結果を生成するか、過剰な計算時間を必要とする。 高品質な高精細化を実現するため、4次元ガウススプラッティング(4DRGS)を提案する。 4DRGSは5分間のトレーニングで印象的な結果を得る。
  論文  参考訳（メタデータ） (2024-12-17T13:51:56Z)
• Gaussian Primitives for Deformable Image Registration [9.184092856125067]
  脳MRI、肺CT、心臓MRIのデータセットの実験結果から、GaussianDIRは既存のDIR法よりも精度と効率が優れていることが示されている。 トレーニングなしのアプローチとして、反復的手法は本質的に遅く、一般化不足の限界を超越しているというステレオタイプに挑戦する。
  論文  参考訳（メタデータ） (2024-06-05T15:44:54Z)
• Q-SLAM: Quadric Representations for Monocular SLAM [85.82697759049388]
  四角形のレンズを通して体積表現を再現する。 我々は、RGB入力からノイズの深い深さ推定を正すために二次仮定を用いる。 本研究では,新たな二次分割変換器を導入し,二次情報を集約する。
  論文  参考訳（メタデータ） (2024-03-12T23:27:30Z)
• Implicit neural representations for unsupervised super-resolution and denoising of 4D flow MRI [1.207455285737927]
  大動脈内3方向速度の時間変化に対するSIRENの4次元フローMRIによる検討を行った。 本手法をボクセル座標で訓練し, 合成計測と実際の4次元フローMRIによるアプローチをベンチマークした。 我々の最適化されたSIRENアーキテクチャは最先端技術より優れており、臨床データから解離・超解離速度場を生成する。
  論文  参考訳（メタデータ） (2023-02-24T08:42:04Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• 4DFlowNet: Super-Resolution 4D Flow MRI using Deep Learning and Computational Fluid Dynamics [0.0795451369160375]
  画像解像度の上昇は、特に異常な血流を持つ患者において、より正確で、血流のより良い評価を可能にする。 計算流体力学シミュレーションを用いて, 合成4次元フローMRIデータを生成する。 我々の新しい4DFlowNetネットワークは, この合成4Dフローデータをトレーニングし, 2。
  論文  参考訳（メタデータ） (2020-04-15T12:16:52Z)

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。