論文の概要: Explainable AI for Accelerated Microstructure Imaging: A SHAP-Guided Protocol on the Connectome 2.0 scanner

• arxiv url: http://arxiv.org/abs/2509.09513v1
• Date: Thu, 11 Sep 2025 14:53:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.43043
• Title: Explainable AI for Accelerated Microstructure Imaging: A SHAP-Guided Protocol on the Connectome 2.0 scanner
• Title（参考訳）: 加速組織イメージングのための説明可能なAI:Connectome 2.0スキャナ上のSHAPガイドプロトコル
• Authors: Quentin Uhl, Tommaso Pavan, Julianna Gerold, Kwok-Shing Chan, Yohan Jun, Shohei Fujita, Aneri Bhatt, Yixin Ma, Qiaochu Wang, Hong-Hsi Lee, Susie Y. Huang, Berkin Bilgic, Ileana Jelescu,
• Abstract要約: 本研究では,スキャン期間を大幅に短縮しつつ,モデル精度を保ったConnectome 2.0スキャナの取得方法を提案する。 我々は、15-featureプロトコルから最適な8-featureサブセットを特定するためのガイド付き特徴除去戦略を用いた説明可能な人工知能を用いたデータ駆動フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 0.8306551626831736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The diffusion MRI Neurite Exchange Imaging model offers a promising framework for probing gray matter microstructure by estimating parameters such as compartment sizes, diffusivities, and inter-compartmental water exchange time. However, existing protocols require long scan times. This study proposes a reduced acquisition scheme for the Connectome 2.0 scanner that preserves model accuracy while substantially shortening scan duration. We developed a data-driven framework using explainable artificial intelligence with a guided recursive feature elimination strategy to identify an optimal 8-feature subset from a 15-feature protocol. The performance of this optimized protocol was validated in vivo and benchmarked against the full acquisition and alternative reduction strategies. Parameter accuracy, preservation of anatomical contrast, and test-retest reproducibility were assessed. The reduced protocol yielded parameter estimates and cortical maps comparable to the full protocol, with low estimation errors in synthetic data and minimal impact on test-retest variability. Compared to theory-driven and heuristic reduction schemes, the optimized protocol demonstrated superior robustness, reducing the deviation in water exchange time estimates by over two-fold. In conclusion, this hybrid optimization framework enables viable imaging of neurite exchange in 14 minutes without loss of parameter fidelity. This approach supports the broader application of exchange-sensitive diffusion magnetic resonance imaging in neuroscience and clinical research, and offers a generalizable method for designing efficient acquisition protocols in biophysical parameter mapping.
• Abstract（参考訳）: 拡散MRIニューロライト交換イメージングモデルは, コンパートメントサイズ, 拡散率, 区画間水交換時間などのパラメータを推定することにより, グレーマターの微細構造を推定するための有望な枠組みを提供する。 しかし、既存のプロトコルは長いスキャン時間を必要とする。 本研究では,スキャン期間を大幅に短縮しつつ,モデル精度を保ったConnectome 2.0スキャナの取得方法を提案する。 我々は,15-featureプロトコルから最適8-featureサブセットを識別するためのガイド付き再帰的特徴除去戦略を用いて,説明可能な人工知能を用いたデータ駆動フレームワークを開発した。 この最適化されたプロトコルの性能はin vivoで検証され、完全な取得と代替の削減戦略に対してベンチマークされた。 パラメータ精度,解剖学的コントラストの保存,再現性について検討した。 削減されたプロトコルは、完全なプロトコルに匹敵するパラメータ推定と皮質マップをもたらし、合成データにおける推定誤差は低く、テスト-再テストのばらつきへの影響は最小限であった。 理論駆動型およびヒューリスティック還元法と比較して、最適化されたプロトコルはより優れたロバスト性を示し、水交換時間推定の偏差を2倍以上に減らした。 結論として、このハイブリッド最適化フレームワークは、パラメータの忠実さを失うことなく、14分でニューロライト交換の実行可能なイメージングを可能にする。 このアプローチは、神経科学および臨床研究における交換感度拡散磁気共鳴イメージングの幅広い応用をサポートし、生体物理パラメータマッピングにおける効率的な取得プロトコルを設計するための一般化可能な方法を提供する。

関連論文リスト

• MEPT: Mixture of Expert Prompt Tuning as a Manifold Mapper [75.6582687942241]
  エキスパート・プロンプト・チューニング(MEPT)の混合は効率的かつ効率的な多様体・マッピング・フレームワークである。 MEPTは複数のプロンプト専門家を統合し、多様な非定常データ分布を適応的に学習する。 経験的評価により、MEPTはSuperGLUE上でいくつかの最先端パラメータの効率的なベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-31T21:19:25Z)
• Benchmarking the Reproducibility of Brain MRI Segmentation Across Scanners and Time [0.0190469137058137]
  Dice, Surface Dice, Hausdorff Distance (HD95), Mean Absolute Percentage Error (MAPE) を用いたスキャン間セグメンテーション変動の定量化 この結果より, 扁桃体, 腹側ジエンセノンなどの小皮質の7～8%の容積変化が認められた。
  論文  参考訳（メタデータ） (2025-04-22T14:20:18Z)
• Adaptive Sampling to Reduce Epistemic Uncertainty Using Prediction Interval-Generation Neural Networks [0.0]
  本稿では,予測モデルにおけるてんかんの不確実性を低減するための適応サンプリング手法を提案する。 我々の主な貢献は、潜在的なてんかんの不確実性を推定する計量の開発である。 ガウス過程(GP)に基づくバッチサンプリング戦略も提案する。 本研究では, 実験肥料の施肥率を選択するために, 3つの一次元合成問題と, 農業分野に基づく多次元データセットについて検討した。
  論文  参考訳（メタデータ） (2024-12-13T21:21:47Z)
• Synthesizing Late-Stage Contrast Enhancement in Breast MRI: A Comprehensive Pipeline Leveraging Temporal Contrast Enhancement Dynamics [0.3499870393443268]
  本研究では,後期DCE-MRI画像の初期段階データから合成するためのパイプラインを提案する。 提案手法では, コントラストエージェントの時間的挙動を利用して生成モデルの訓練を指導する, 新たな損失関数である時間強度損失(TI-loss)を導入する。 アノテーション付き領域における拡張パターンを検証するContrast Agent Pattern Score(mathcalCP_s$)と、実際の拡張と生成された拡張の違いを測定するAverage difference in Enhancement(mathcalED$)の2つの指標が画像品質を評価するために提案されている。
  論文  参考訳（メタデータ） (2024-09-03T04:31:49Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• GSMorph: Gradient Surgery for cine-MRI Cardiac Deformable Registration [62.41725951450803]
  学習に基づく変形可能な登録は、フィールドの登録精度と滑らかさをトレードオフする重み付けされた目的関数に依存する。 我々は,GSMorphと呼ばれる勾配手術機構に基づく登録モデルを構築し,複数の損失に対してパラメータフリーな高バランスを実現する。 提案手法はモデルに依存しないため,パラメータの追加や推論の遅延を伴わずに,任意のディープ登録ネットワークにマージすることができる。
  論文  参考訳（メタデータ） (2023-06-26T13:32:09Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• 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)
• Physics-informed neural networks for myocardial perfusion MRI quantification [3.318100528966778]
  本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。 PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
  論文  参考訳（メタデータ） (2020-11-25T16:02:52Z)
• Towards learned optimal q-space sampling in diffusion MRI [1.5640063295947522]
  ファイバトラクトグラフィーのための統一的な推定フレームワークを提案する。 提案手法は,信号推定の精度とそれに続く解析精度を大幅に向上させる。 本稿では,Human Connectome Projectデータに基づく包括的比較分析を提案する。
  論文  参考訳（メタデータ） (2020-09-07T10:46:12Z)

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。