論文の概要: petBrain: A New Pipeline for Amyloid, Tau Tangles and Neurodegeneration Quantification Using PET and MRI

• arxiv url: http://arxiv.org/abs/2506.03217v2
• Date: Tue, 15 Jul 2025 14:08:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 15:29:04.679543
• Title: petBrain: A New Pipeline for Amyloid, Tau Tangles and Neurodegeneration Quantification Using PET and MRI
• Title（参考訳）: petBrain : PETとMRIによるアミロイド, タウタングルス, 神経変性の定量化
• Authors: Pierrick Coupé, Boris Mansencal, Floréal Morandat, Sergio Morell-Ortega, Nicolas Villain, Jose V. Manjón, Vincent Planche,
• Abstract要約: PETとMRIを用いたアミロイド(A), 神経原線維タングル(T2), 神経変性(N)の定量化は, アルツハイマー病の診断と予後に重要である。 既存のパイプラインは、トレーサタイプの処理時間の変動に関する制限に直面している。 我々は,アミロイドPET,タウPET,構造MRIのための新しいエンドツーエンド処理パイプラインである petBrain を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: INTRODUCTION: Quantification of amyloid plaques (A), neurofibrillary tangles (T2), and neurodegeneration (N) using PET and MRI is critical for Alzheimer's disease (AD) diagnosis and prognosis. Existing pipelines face limitations regarding processing time, variability in tracer types, and challenges in multimodal integration. METHODS: We developed petBrain, a novel end-to-end processing pipeline for amyloid-PET, tau-PET, and structural MRI. It leverages deep learning-based segmentation, standardized biomarker quantification (Centiloid, CenTauR, HAVAs), and simultaneous estimation of A, T2, and N biomarkers. The pipeline is implemented as a web-based platform, requiring no local computational infrastructure or specialized software knowledge. RESULTS: petBrain provides reliable and rapid biomarker quantification, with results comparable to existing pipelines for A and T2. It shows strong concordance with data processed in ADNI databases. The staging and quantification of A/T2/N by petBrain demonstrated good agreement with CSF/plasma biomarkers, clinical status, and cognitive performance. DISCUSSION: petBrain represents a powerful and openly accessible platform for standardized AD biomarker analysis, facilitating applications in clinical research.
• Abstract（参考訳）: PETとMRIを用いたアミロイドプラーク(A), 神経原線維タングル(T2), 神経変性(N)の定量化はアルツハイマー病(AD)の診断と予後に重要である。 既存のパイプラインは、処理時間、トレーサタイプの多様性、マルチモーダル統合における課題に関する制限に直面している。 Methods: petBrainはアミロイドPET, tau-PET, 構造MRIのための新しいエンドツーエンド処理パイプラインである。 ディープラーニングに基づくセグメンテーション、標準化されたバイオマーカー量化(Centiloid、CenTauR、HAVAs)、A、T2、Nのバイオマーカーの同時推定を活用する。 パイプラインはWebベースのプラットフォームとして実装されており、ローカルな計算インフラや専門的なソフトウェア知識を必要としない。 RESULTS: petBrainは、AとT2の既存のパイプラインに匹敵する信頼性と迅速なバイオマーカーの定量化を提供する。 ADNIデータベースで処理されたデータと強く一致している。 ペットブラインによるA/T2/Nのステージングと定量化は, CSF/プラスマバイオマーカー, 臨床状態, 認知能力と良好な一致を示した。 DisCUSSION: petBrainは、ADバイオマーカー分析の標準化のための強力でオープンなプラットフォームであり、臨床研究における応用を促進する。

関連論文リスト

• Learning Alzheimer's Disease Signatures by bridging EEG with Spiking Neural Networks and Biophysical Simulations [42.091774598477706]
  脳波に基づくアルツハイマー病検出のための従来のディープラーニングアプローチは、計算集約的で機械的に不透明である。 本稿では,データ駆動学習と生体物理シミュレーションを結びつけるニューラルネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-30T21:54:16Z)
• Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
  MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。 本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。 PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。 AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
  論文  参考訳（メタデータ） (2026-01-06T05:58:50Z)
• Vision-Language Models for Automated 3D PET/CT Report Generation [13.781844347232079]
  自己PET/CTレポート生成は, 臨床負荷軽減にますます重要である。 PETRG-3Dは、PETとCTのボリュームをエンコードし、スタイル適応プロンプトを組み込んだエンドツーエンドの3Dデュアルブランチフレームワークである。 PETRG-Score(PETRG-Score)は、悪性リンパ腫に特異的な評価プロトコルである。
  論文  参考訳（メタデータ） (2025-11-25T10:07:57Z)
• TauGenNet: Plasma-Driven Tau PET Image Synthesis via Text-Guided 3D Diffusion Models [6.674230585698143]
  構造MRIとプラズマ計測の両方から多モード条件を利用する3次元タウPET画像合成のためのテキスト誘導3次元拡散モデルを提案する。 臨床的に意義のある3DタウPETを, 様々な病期にわたって生成できることが実験的に証明された。
  論文  参考訳（メタデータ） (2025-09-04T14:45:50Z)
• Efficient Parameter Adaptation for Multi-Modal Medical Image Segmentation and Prognosis [4.5445892770974154]
  変圧器ベースセグメンテーションモデルの軽量アップグレードのためのパラメータ効率・マルチモーダル適応(PEMMA)フレームワークを提案する。 本手法は初期核融合に匹敵する性能を示すが、トレーニング可能なパラメータの8%しか持たず、単一モードで訓練した場合のPETスキャンにおけるDiceスコアが28%向上したことを示す。
  論文  参考訳（メタデータ） (2025-04-18T11:52:21Z)
• T2-Only Prostate Cancer Prediction by Meta-Learning from Bi-Parametric MR Imaging [39.64252838533947]
  現在の画像に基づく前立腺癌の診断には、MR T2強調画像(T2w)と拡散強調画像(DWI)の両方が必要である。 DWI配列における拡散パターンの測定には時間がかかり、アーティファクトに傾向があり、イメージングパラメータに敏感である。 本研究では,T2wシーケンスのみを推論時間に用いた機械学習(ML)手法の可能性について検討した。
  論文  参考訳（メタデータ） (2024-11-11T22:38:45Z)
• Autopet III challenge: Incorporating anatomical knowledge into nnUNet for lesion segmentation in PET/CT [4.376648893167674]
  AutoPET III ChallengeはPET/CT画像における腫瘍病変の自動切除の進歩に焦点を当てている。 我々は,PETスキャンの最大強度投影に基づいて,与えられたPET/CTのトレーサを識別する分類器を開発した。 我々の最終提出書は、公開可能なFDGおよびPSMAデータセットに対して76.90%と61.33%のクロスバリデーションDiceスコアを達成している。
  論文  参考訳（メタデータ） (2024-09-18T17:16:57Z)
• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• Two-Phase Multi-Dose-Level PET Image Reconstruction with Dose Level Awareness [43.45142393436787]
  線量レベルの認識が可能な新しい二相多段PET再構成アルゴリズムを設計する。 事前学習フェーズは、きめ細かい識別特徴と効果的な意味表現の両方を探索するために考案された。 SPET予測フェーズは、事前学習した線量レベルを利用した粗い予測ネットワークを採用して予備結果を生成する。
  論文  参考訳（メタデータ） (2024-04-02T01:57:08Z)
• Revolutionizing Disease Diagnosis with simultaneous functional PET/MR and Deeply Integrated Brain Metabolic, Hemodynamic, and Perfusion Networks [40.986069119392944]
  マルチモーダルなMiXture-of-expertsアライメント再構成とモデルであるMX-ARMを提案する。 モダリティは分離可能で交換可能であり、異なる多層パーセプトロン(「専門家の混合」)を学習可能な重みを通して動的に割り当て、異なるモダリティからそれぞれの表現を学ぶ。
  論文  参考訳（メタデータ） (2024-03-29T08:47:49Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• ISA-Net: Improved spatial attention network for PET-CT tumor segmentation [22.48294544919023]
  多モードポジトロン放射トモグラフィー(PET-CT)に基づく深層学習セグメンテーション法を提案する。 腫瘍検出におけるPETやCTの精度を高めるために,改良された空間注意ネットワーク(ISA-Net)を設計した。 今回提案したISA-Net法を,軟部組織肉腫 (STS) と頭頸部腫瘍 (HECKTOR) の2つの臨床データセットで検証した。
  論文  参考訳（メタデータ） (2022-11-04T04:15:13Z)
• Improved Prediction of Beta-Amyloid and Tau Burden Using Hippocampal Surface Multivariate Morphometry Statistics and Sparse Coding [0.0]
  我々はアミロイドとタウの測定を定量的に予測する非侵襲的なフレームワークを開発した。 アルツハイマー病神経画像イニシアチブ(ADNI)におけるアミロイドPET/MRIとタウPET/MRIデータセットの枠組みについて検討した。
  論文  参考訳（メタデータ） (2022-10-28T03:39:55Z)
• Multi-task Deep Learning for Cerebrovascular Disease Classification and MRI-to-PET Translation [9.315779561461902]
  本稿では,脳MRIからPETへの翻訳と疾患診断のためのマルチタスク学習フレームワークを提案する。 提案フレームワークは,(1)マルチコントラストMRI画像から高品質PET CBFマップを合成する注意型3Dエンコーダ・デコーダ畳み込みニューラルネットワーク(CNN)と,(2)入力されたMRI画像に対応する脳疾患を識別するマルチスケール3D CNNとからなる。
  論文  参考訳（メタデータ） (2022-02-12T21:02:45Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。