論文の概要: Physics-Informed autoencoder for DSC-MRI Perfusion post-processing: application to glioma grading

• arxiv url: http://arxiv.org/abs/2510.13886v1
• Date: Tue, 14 Oct 2025 02:39:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.51148
• Title: Physics-Informed autoencoder for DSC-MRI Perfusion post-processing: application to glioma grading
• Title（参考訳）: DSC-MRI灌流後処理のための物理インフォームドオートエンコーダ-グリオーマグレーディングへの応用
• Authors: Pierre Fayolle, Alexandre Bône, Noëlie Debs, Mathieu Naudin, Pascal Bourdon, Remy Guillevin, David Helbert,
• Abstract要約: DSC-MRI灌流解析のための物理インフォームドオートエンコーダを提案する。 本手法は,他のよく知られたデコンボリューションアルゴリズムに従ってグリオーマのグレーディングの信頼性を示す。
• 参考スコア（独自算出の注目度）: 34.54259298603826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: DSC-MRI perfusion is a medical imaging technique for diagnosing and prognosing brain tumors and strokes. Its analysis relies on mathematical deconvolution, but noise or motion artifacts in a clinical environment can disrupt this process, leading to incorrect estimate of perfusion parameters. Although deep learning approaches have shown promising results, their calibration typically rely on third-party deconvolution algorithms to generate reference outputs and are bound to reproduce their limitations. To adress this problem, we propose a physics-informed autoencoder that leverages an analytical model to decode the perfusion parameters and guide the learning of the encoding network. This autoencoder is trained in a self-supervised fashion without any third-party software and its performance is evaluated on a database with glioma patients. Our method shows reliable results for glioma grading in accordance with other well-known deconvolution algorithms despite a lower computation time. It also achieved competitive performance even in the presence of high noise which is critical in a medical environment.
• Abstract（参考訳）: DSC-MRI灌流(DSC-MRI perfusion)は、脳腫瘍や脳卒中を診断・診断するための医療画像技術である。 その分析は数学的非畳み込みに依存しているが、臨床環境におけるノイズや運動の人工物は、この過程を妨害し、灌流パラメータの誤った推定に繋がる可能性がある。 ディープラーニングアプローチは有望な結果を示しているが、そのキャリブレーションは通常、参照出力を生成するためにサードパーティのデコンボリューションアルゴリズムに依存しており、制限を再現しなければならない。 この問題に対処するために,解析モデルを利用した物理インフォームド・オートエンコーダを提案し,拡散パラメータを復号し,符号化ネットワークの学習を指導する。 このオートエンコーダは、サードパーティ製ソフトウェアを使わずに、自己管理で訓練され、グリオーマ患者のデータベース上でその性能を評価する。 本手法は,計算時間が少ないにもかかわらず,他のよく知られたデコンボリューションアルゴリズムと一致したグリオーマグレーディングの信頼性を示す。 また,医療環境において重要な高騒音の存在下においても,競争性能が向上した。

関連論文リスト

• Adapting HFMCA to Graph Data: Self-Supervised Learning for Generalizable fMRI Representations [57.054499278843856]
  機能的磁気共鳴画像(fMRI)解析は、データセットのサイズが限られ、研究間でのドメインの変動が原因で大きな課題に直面している。 コンピュータビジョンにインスパイアされた従来の自己教師付き学習手法は、正と負のサンプルペアに依存することが多い。 本稿では,最近開発された階層関数最大相関アルゴリズム(HFMCA)をグラフ構造fMRIデータに適用することを提案する。
  論文  参考訳（メタデータ） (2025-10-05T12:35:01Z)
• Non-Intrusive Parametrized-Background Data-Weak Reconstruction of Cardiac Displacement Fields from Sparse MRI-like Observations [0.0]
  非侵襲的パラメタライズド・データ・ウェイク(PBDW)法をMRIのような限られた観察から3次元心停止再建に応用した。 私たちの実装はソリューションスナップショットのみを必要とします -- 管理方程式、アセンブリルーチン、あるいはソルバアクセスは不要です。 本手法の有効性をシミュレーションした3次元左室モデルを用いて検証した。
  論文  参考訳（メタデータ） (2025-09-18T11:10:24Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Fairness-Aware Data Augmentation for Cardiac MRI using Text-Conditioned Diffusion Models [1.6581402323174208]
  本稿では,データセットに固有の不均衡を,合成データの生成によって緩和する手法を提案する。 我々は,患者メタデータと心臓の形状から合成したテキストを条件に,拡散確率モデルに基づく制御ネットを採用する。 本実験は,データセットの不均衡を緩和する手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-03-28T15:41:43Z)
• PINQI: An End-to-End Physics-Informed Approach to Learned Quantitative MRI Reconstruction [0.7199733380797579]
  定量的磁気共鳴イメージング(qMRI)は、生体物理パラメータの再現可能な測定を可能にする。 この課題は、取得した生データから所望の組織パラメーターマップを得るために、非線形で不適切な逆問題を解決することである。 我々は、信号、取得モデルに関する知識を統合した新しいqMRI再構成手法であるPINQIを提案し、単一エンドツーエンドのトレーニング可能なニューラルネットワークへの正規化を学習した。
  論文  参考訳（メタデータ） (2023-06-19T15:37:53Z)
• Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
  畳み込み型神経生成符号化(Conv-NGC)を開発した。 我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。 本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
  論文  参考訳（メタデータ） (2022-11-22T06:42:41Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
  医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。 データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。 比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
  論文  参考訳（メタデータ） (2022-04-09T13:04:36Z)
• Hybrid Deep Learning Gaussian Process for Diabetic Retinopathy Diagnosis and Uncertainty Quantification [0.0]
  糖尿病網膜症 (Diabetes Mellitus) は糖尿病の微小血管合併症の1つである。 コナールニューラルネットワークに基づく計算モデルは、眼底画像を用いたDRの自動検出技術の現状を表す。 本稿では,DR診断と不確実性定量化のためのハイブリッドディープラーニング・ガウス法を提案する。
  論文  参考訳（メタデータ） (2020-07-29T04:10:42Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。