論文の概要: Modality Agnostic, patient-specific digital twins modeling temporally varying digestive motion

• arxiv url: http://arxiv.org/abs/2507.01909v1
• Date: Wed, 02 Jul 2025 17:22:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.393541
• Title: Modality Agnostic, patient-specific digital twins modeling temporally varying digestive motion
• Title（参考訳）: 経時的に異なる消化運動をモデル化したModality Agnostic, patient-specific digital twins
• Authors: Jorge Tapias Gomez, Nishant Nadkarni, Lando S. Bosma, Jue Jiang, Ergys D. Subashi, William P. Segars, James M. Balter, Mert R Sabuncu, Neelam Tyagi, Harini Veeraraghavan,
• Abstract要約: 変形性画像登録(DIR)の臨床的実装には、ボクセルによる空間精度測定が必要である。 DIR法の精度を評価するため,患者固有のディジタルツイン(DT)モデルを構築した。
• 参考スコア（独自算出の注目度）: 8.884066499888718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective: Clinical implementation of deformable image registration (DIR) requires voxel-based spatial accuracy metrics such as manually identified landmarks, which are challenging to implement for highly mobile gastrointestinal (GI) organs. To address this, patient-specific digital twins (DT) modeling temporally varying motion were created to assess the accuracy of DIR methods. Approach: 21 motion phases simulating digestive GI motion as 4D sequences were generated from static 3D patient scans using published analytical GI motion models through a semi-automated pipeline. Eleven datasets, including six T2w FSE MRI (T2w MRI), two T1w 4D golden-angle stack-of-stars, and three contrast-enhanced CT scans. The motion amplitudes of the DTs were assessed against real patient stomach motion amplitudes extracted from independent 4D MRI datasets. The generated DTs were then used to assess six different DIR methods using target registration error, Dice similarity coefficient, and the 95th percentile Hausdorff distance using summary metrics and voxel-level granular visualizations. Finally, for a subset of T2w MRI scans from patients treated with MR-guided radiation therapy, dose distributions were warped and accumulated to assess dose warping errors, including evaluations of DIR performance in both low- and high-dose regions for patient-specific error estimation. Main results: Our proposed pipeline synthesized DTs modeling realistic GI motion, achieving mean and maximum motion amplitudes and a mean log Jacobian determinant within 0.8 mm and 0.01, respectively, similar to published real-patient gastric motion data. It also enables the extraction of detailed quantitative DIR performance metrics and rigorous validation of dose mapping accuracy. Significance: The pipeline enables rigorously testing DIR tools for dynamic, anatomically complex regions enabling granular spatial and dosimetric accuracies.
• Abstract（参考訳）: 目的: 変形性画像登録(DIR)の臨床的実装には,手動で識別されたランドマークなどのボクセルベースの空間精度指標が必要である。 そこで,DIR法の精度を評価するため,患者固有のディジタルツイン(DT)モデルを構築した。 アプローチ: 半自動パイプラインを用いた解析的GIモーションモデルを用いて, 静的3次元患者スキャンから, 消化性GIモーションを4Dシークエンスとしてシミュレートした21の動作位相を作成した。 6つのT2w FSE MRI(T2w MRI)、2つのT1w 4Dゴールデンアングルスタック、コントラスト強化CTスキャンを含む11のデータセット。 DTの運動振幅を4次元MRIデータセットから抽出した実例の胃運動振幅と比較した。 生成したDTを用いて,ターゲット登録誤差,Dice類似度係数,および95%のHausdorff距離を用いた6種類のDIR法の評価を行った。 最後に、MR誘導放射線治療を受けた患者のT2wMRIのサブセットについて、低線量領域と高線量領域のDIR性能の評価を含む線量補正誤差を評価するために、線量分布を算出し、蓄積した。 主な結果: 提案したパイプラインは, 現実的なGI動作をモデル化したDTを合成し, 平均および最大運動振幅, 平均ログヤコビ行列式を0.8mm, 0.01でそれぞれ達成した。 また、詳細な量的DIRパフォーマンスメトリクスの抽出や、線量マッピング精度の厳密な検証も可能である。 意義: このパイプラインは、ダイナミックで解剖学的に複雑な領域のためのDIRツールを厳格にテストし、粒度の空間的および線量的精度を実現する。

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)
• 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)
• Extraction of 3D trajectories of mandibular condyles from 2D real-time MRI [2.1001649486621137]
  リアルタイムMRIは、臨床的に関連するパラメータを評価するのに十分な精度で、顆頭軌跡の抽出を可能にする。 矢状切片のセグメンテーションには微調整が必要だった。 顎閉鎖位における下顎頭上側方座標の差は平均1.7mmであった。
  論文  参考訳（メタデータ） (2024-06-21T07:35:40Z)
• Preserved Edge Convolutional Neural Network for Sensitivity Enhancement of Deuterium Metabolic Imaging (DMI) [10.884358837187243]
  本研究は,Deuterium Metabolic Imaging (DMI)の感度向上のための深層学習手法を提案する。 畳み込みニューラルネットワーク(CNN)は低SNRから2H標識代謝物濃度を推定するために設計された。 推定精度は、MRIに基づく各DMIデータセットのエッジ保存正規化によるCNNの微調整によりさらに向上した。
  論文  参考訳（メタデータ） (2023-09-08T03:41:54Z)
• Towards Automatic Scoring of Spinal X-ray for Ankylosing Spondylitis [4.310687588548587]
  脊椎X線画像におけるStoke Ankylosing Spondylitis Spinal Score (mSASSS) による構造変化を手作業で評価することは、費用と時間を要する。 脊髄X線画像における頚椎・腰椎椎体(VUs)のmSASSSスコアを自動的に予測する2段階自動階調パイプラインVertXGradeNetを提案する。
  論文  参考訳（メタデータ） (2023-08-08T19:59:23Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• 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)
• Automatic lesion detection, segmentation and characterization via 3D multiscale morphological sifting in breast MRI [3.4400216692203998]
  そこで本研究では, 乳房MRIで4次元マルチモーダル乳房MRIデータを処理し, 病変検出, セグメンテーション, キャラクタリゼーションをユーザの介入なしに統合するシステムを提案する。 提案するCADシステムは,領域候補生成,特徴抽出,領域候補分類の3段階からなる。 同じ乳房MRIデータセットで評価したシステムと比較すると,本システムは乳房病変の検出と評価において良好な性能を発揮する。
  論文  参考訳（メタデータ） (2020-07-07T04:39:13Z)
• A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans [63.28835187934139]
  本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
  論文  参考訳（メタデータ） (2020-06-24T15:25:11Z)
• 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)

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。