論文の概要: Converting T1-weighted MRI from 3T to 7T quality using deep learning
- arxiv url: http://arxiv.org/abs/2507.13782v1
- Date: Fri, 18 Jul 2025 09:54:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 20:43:26.249583
- Title: Converting T1-weighted MRI from 3T to 7T quality using deep learning
- Title（参考訳）: ディープラーニングによるT1強調MRIの3Tから7Tへの変換
- Authors: Malo Gicquel, Ruoyi Zhao, Anika Wuestefeld, Nicola Spotorno, Olof Strandberg, Kalle Åström, Yu Xiao, Laura EM Wisse, Danielle van Westen, Rik Ossenkoppele, Niklas Mattsson-Carlgren, David Berron, Oskar Hansson, Gabrielle Flood, Jacob Vogel,
- Abstract要約: 超高分解能 7 tesla (7T) 磁気共鳴画像(MRI)は、詳細な解剖学的見解を提供する。
3T脳MRIから7T脳MRIを合成するための高度なディープラーニングモデルを提案する。
画像ベース評価尺度では,最先端の3T-to-7Tモデルが2つのモデルより優れていた。
- 参考スコア（独自算出の注目度）: 7.220190703291239
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultra-high resolution 7 tesla (7T) magnetic resonance imaging (MRI) provides detailed anatomical views, offering better signal-to-noise ratio, resolution and tissue contrast than 3T MRI, though at the cost of accessibility. We present an advanced deep learning model for synthesizing 7T brain MRI from 3T brain MRI. Paired 7T and 3T T1-weighted images were acquired from 172 participants (124 cognitively unimpaired, 48 impaired) from the Swedish BioFINDER-2 study. To synthesize 7T MRI from 3T images, we trained two models: a specialized U-Net, and a U-Net integrated with a generative adversarial network (GAN U-Net). Our models outperformed two additional state-of-the-art 3T-to-7T models in image-based evaluation metrics. Four blinded MRI professionals judged our synthetic 7T images as comparable in detail to real 7T images, and superior in subjective visual quality to 7T images, apparently due to the reduction of artifacts. Importantly, automated segmentations of the amygdalae of synthetic GAN U-Net 7T images were more similar to manually segmented amygdalae (n=20), than automated segmentations from the 3T images that were used to synthesize the 7T images. Finally, synthetic 7T images showed similar performance to real 3T images in downstream prediction of cognitive status using MRI derivatives (n=3,168). In all, we show that synthetic T1-weighted brain images approaching 7T quality can be generated from 3T images, which may improve image quality and segmentation, without compromising performance in downstream tasks. Future directions, possible clinical use cases, and limitations are discussed.
- Abstract（参考訳）: 超高分解能 7 tesla (7T) 磁気共鳴画像(MRI)は、アクセシビリティの犠牲を伴いながら、3T MRIよりも優れた信号-雑音比、分解能、組織コントラストを提供する、詳細な解剖学的ビューを提供する。
3T脳MRIから7T脳MRIを合成するための高度なディープラーニングモデルを提案する。
スウェーデンのBioFINDER-2による7Tおよび3T T1強調画像は172名(認知障害124名,障害48名)から得られた。
3T画像から7T MRIを合成するために、特殊U-Netと生成逆ネットワーク(GAN U-Net)を統合したU-Netの2つのモデルを訓練した。
画像ベース評価尺度では,最先端の3T-to-7Tモデルが2つのモデルより優れていた。
4人の盲目のMRI専門家が、我々の合成した7T画像は、実際の7T画像に匹敵し、主観的な画質が7T画像より優れていると判断しました。
また, 合成GAN U-Net 7T画像の扁桃体自動分割は, 7T画像の合成に用いる3T画像の自動分割よりも, 手動分割扁桃体 (n=20) に類似していた。
最後に,MRI誘導体(n=3,168)を用いた認知状態の下流予測において,合成7T画像は実3T画像と類似した性能を示した。
以上より,7T品質に近づいた合成T1強調脳画像が3T画像から生成できることが示唆された。
今後の方向性、臨床応用の可能性、限界について論じる。
関連論文リスト
- Schrödinger Diffusion Driven Signal Recovery in 3T BOLD fMRI Using Unmatched 7T Observations [1.8091533096543726]
本稿では,3T BOLD fMRI 取得の品質向上を目的とした新しい計算手法を提案する。
我々は、軽量で教師なしのSchr"odinger Bridgeフレームワークを使用して、3Tデータの高SNR、高解像度のデータを推測する。
以上の結果から,標準的な3T取得から7Tレベルの品質を計算的に近似することが可能であることが示唆された。
論文 参考訳（メタデータ） (2025-04-01T17:41:24Z) - Towards General Text-guided Image Synthesis for Customized Multimodal Brain MRI Generation [51.28453192441364]
マルチモーダル脳磁気共鳴(MR)イメージングは神経科学や神経学において不可欠である。
現在のMR画像合成アプローチは、通常、特定のタスクのための独立したデータセットで訓練される。
テキスト誘導ユニバーサルMR画像合成モデルであるTUMSynについて述べる。
論文 参考訳（メタデータ） (2024-09-25T11:14:47Z) - Reconstructing Retinal Visual Images from 3T fMRI Data Enhanced by Unsupervised Learning [2.1597860906272803]
GAN(unsupervised Generative Adversarial Network)を通して3T fMRIデータを生成する新しいフレームワークを提案する。
本稿では,3T fMRIデータの再構成能力を実証し,優れた入力画像を生成する能力を強調した。
論文 参考訳（メタデータ） (2024-04-07T23:31:37Z) - 7T MRI Synthesization from 3T Acquisitions [1.1549572298362787]
改良されたディープラーニング技術は、3T MRI入力から合成された7T MRIを生成するために使用できる。
本稿では,V-Net畳み込みニューラルネットワークのカスタム設計版に基づく,新しい7T合成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-03-13T22:06:44Z) - wmh_seg: Transformer based U-Net for Robust and Automatic White Matter
Hyperintensity Segmentation across 1.5T, 3T and 7T [1.583327010995414]
ホワイトマター・ハイパーインテンシティ(WMH)は神経変性疾患の最上位のバイオマーカーである。
最近のディープラーニングモデルでは、WMHセグメンテーションが約束されているが、依然として課題に直面している。
我々は、SegFormerのトランスフォーマーベースのエンコーダを活用した、新しいディープラーニングモデルであるwmh_segを紹介する。
論文 参考訳（メタデータ） (2024-02-20T03:57:16Z) - Transferring Ultrahigh-Field Representations for Intensity-Guided Brain
Segmentation of Low-Field Magnetic Resonance Imaging [51.92395928517429]
7T MRIの使用は、低磁場MRIと比較して高コストでアクセシビリティが低いため制限されている。
本研究では,入力されたLF磁気共鳴特徴表現と,脳画像分割タスクのための7T様特徴表現とを融合したディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-13T12:21:06Z) - Spatial and Modal Optimal Transport for Fast Cross-Modal MRI Reconstruction [54.19448988321891]
本稿では,T1重み付き画像(T1WIs)を補助モダリティとして活用し,T2WIsの取得を高速化するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
最適輸送(OT)を用いてT1WIを整列させてT2WIを合成し、クロスモーダル合成を行う。
再構成されたT2WIと合成されたT2WIがT2画像多様体に近づき、繰り返しが増加することを示す。
論文 参考訳（メタデータ） (2023-05-04T12:20:51Z) - Video4MRI: An Empirical Study on Brain Magnetic Resonance Image
Analytics with CNN-based Video Classification Frameworks [60.42012344842292]
3次元CNNモデルが磁気共鳴画像(MRI)解析の分野を支配している。
本稿では,アルツハイマー病とパーキンソン病の認識の4つのデータセットを実験に利用した。
効率の面では、ビデオフレームワークは3D-CNNモデルよりも5%から11%、トレーニング可能なパラメータは50%から66%少ない。
論文 参考訳（メタデータ） (2023-02-24T15:26:31Z) - Motion correction in MRI using deep learning and a novel hybrid loss
function [11.424624100447332]
脳磁気共鳴画像(MRI)における運動アーチファクト抑制のための深層学習法(MC-Net)の開発
MC-Netは、2段階のマルチロス関数と組み合わせたUNetから派生した。
論文 参考訳（メタデータ） (2022-10-19T14:40:41Z) - Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。
事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。
実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-19T09:43:19Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z)
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。