論文の概要: Tissue-mask supported inter-subject whole-body image registration in the UK Biobank - A method benchmarking study

• arxiv url: http://arxiv.org/abs/2512.02702v1
• Date: Tue, 02 Dec 2025 12:30:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.864569
• Title: Tissue-mask supported inter-subject whole-body image registration in the UK Biobank - A method benchmarking study
• Title（参考訳）: 英国バイオバンクにおける組織マスク支援体間画像登録法に関する研究
• Authors: Yasemin Utkueri, Elin Lundström, Håkan Ahlström, Johan Öfverstedt, Joel Kullberg,
• Abstract要約: UK Biobankは、全身MRI画像と非画像健康データを収集する大規模な研究である。 本研究では, 皮下脂肪組織と筋マスクを用いた性別層間MR画像登録手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5629677133940586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The UK Biobank is a large-scale study collecting whole-body MR imaging and non-imaging health data. Robust and accurate inter-subject image registration of these whole-body MR images would enable their body-wide spatial standardization, and region-/voxel-wise correlation analysis of non-imaging data with image-derived parameters (e.g., tissue volume or fat content). We propose a sex-stratified inter-subject whole-body MR image registration approach that uses subcutaneous adipose tissue- and muscle-masks from the state-of-the-art VIBESegmentator method to augment intensity-based graph-cut registration. The proposed method was evaluated on a subset of 4000 subjects by comparing it to an intensity-only method as well as two previously published registration methods, uniGradICON and MIRTK. The evaluation comprised overlap measures applied to the 71 VIBESegmentator masks: 1) Dice scores, and 2) voxel-wise label error frequency. Additionally, voxel-wise correlation between age and each of fat content and tissue volume was studied to exemplify the usefulness for medical research. The proposed method exhibited a mean dice score of 0.77 / 0.75 across the cohort and the 71 masks for males/females, respectively. When compared to the intensity-only registration, the mean values were 6 percentage points (pp) higher for both sexes, and the label error frequency was decreased in most tissue regions. These differences were 9pp / 8pp against uniGradICON and 12pp / 13pp against MIRTK. Using the proposed method, the age-correlation maps were less noisy and showed higher anatomical alignment. In conclusion, the image registration method using two tissue masks improves whole-body registration of UK Biobank images.
• Abstract（参考訳）: UK Biobankは、全身MRI画像と非画像健康データを収集する大規模な研究である。 これらの全身MR画像のロバストかつ正確なオブジェクト間画像登録は、身体全体の空間的標準化を可能にし、画像由来のパラメータ(例えば、組織体積または脂肪含量)による非画像データの領域的/ボクセル的相関解析を可能にする。 そこで本研究では,最新のVIBESegmentator法から皮下脂肪組織と筋肉マスクを応用し,強度に基づくグラフカットの登録を拡大する,性別階層化された対象間MR画像登録手法を提案する。 提案手法は, 4000項目のサブセットに対して, 強度限定法と, 既に公表されている2つの登録法であるuniGradICONとMIRTKを比較して評価した。 評価は、71個のVIBESegmentatorマスクに適用された重なり合いの測定結果から成る。 1)ディススコア、及び 2) Voxel-wise label error frequency。 さらに, 年齢と脂肪含量, 組織体積の相関関係について検討し, 医療研究の有用性を実証した。 提案法では,コホート全体での平均サイコロスコアが0.77/0.75であり,雄・雌では71マスクであった。 強さのみの登録と比較すると,両性ともに平均値が6ポイント (pp) 高く,多くの組織領域ではラベル誤り頻度が低下していた。 これらの差はuniGradICONで9pp/8pp、MIRTKで12pp/13ppであった。 提案手法を用いて, 年齢相関マップはノイズが少なく, 解剖学的アライメントが高かった。 結論として、2つの組織マスクを用いた画像登録法は、UKバイオバンク画像の全身登録を改善する。

関連論文リスト

• Exemplar Med-DETR: Toward Generalized and Robust Lesion Detection in Mammogram Images and beyond [3.437009428325929]
  特徴に基づく検出を可能にする新しいマルチモーダルコントラスト検出器であるExemplar Med-DETRを紹介する。 ベトナムの高濃度乳腺マモグラムでは, 質量検出では0.7mAP, 石灰化では0.55mAPとなり, 絶対値16ポイント向上した。 胸部X線, 血管造影では, 腫瘤検出では0.25mAP, 狭窄検出では0.37mAPを達成し, それぞれ4ポイント, 7ポイント改善した。
  論文  参考訳（メタデータ） (2025-07-25T18:40:52Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Classification of Luminal Subtypes in Full Mammogram Images Using Transfer Learning [8.961271420114794]
  転移学習は乳房異常分類タスクからResNet-18ベースの光と非光のサブタイプ分類タスクを微調整する。 提案手法は,AUCの平均スコア0.6688,F1の平均スコア0.6693をテストデータセット上で達成することにより,ベースライン分類器を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2023-01-23T05:58:26Z)
• MSCDA: Multi-level Semantic-guided Contrast Improves Unsupervised Domain Adaptation for Breast MRI Segmentation in Small Datasets [5.272836235045653]
  マルチレベルセマンティック・ガイド・コントラスト・ドメイン・アダプティブ・フレームワークを提案する。 我々のアプローチは、ドメイン間の特徴表現を整合させるために、対照的な学習を伴う自己学習を取り入れている。 特に,ピクセル・ツー・ピクセル,ピクセル・ツー・セントロイド,セントロイド・ツー・セントロイドのコントラストを取り入れることで,コントラストの損失を増大させる。
  論文  参考訳（メタデータ） (2023-01-04T19:16:55Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Image translation of Ultrasound to Pseudo Anatomical Display Using Artificial Intelligence [0.0]
  CycleGANは、各ドメインプロパティを個別に学習し、クロスドメインサイクルの一貫性を強制するために使用された。 生成された擬似解剖画像は、より明確な境界定義と明瞭なコントラストで、病変の視覚的識別を改善する。
  論文  参考訳（メタデータ） (2022-02-16T13:31:49Z)
• CrossMoDA 2021 challenge: Benchmark of Cross-Modality Domain Adaptation techniques for Vestibular Schwnannoma and Cochlea Segmentation [43.372468317829004]
  ドメイン適応(DA)は、最近、医療画像コミュニティにおいて大きな関心を集めている。 これらの制限に対処するため、クロスモダリティドメイン適応(cross-Modality Domain Adaptation,crossMoDA)という課題が組織された。 CrossMoDAは、教師なしのクロスモダリティDAのための、最初の大規模でマルチクラスのベンチマークである。
  論文  参考訳（メタデータ） (2022-01-08T14:00:34Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• A patient-specific approach for quantitative and automatic analysis of computed tomography images in lung disease: application to COVID-19 patients [0.0]
  肺CT画像の定量的指標は、しばしば生理学との明確な関係なしに、広く使用されている。 本研究は,CT画像における肺の容積評価のための患者非依存モデルを提案する。
  論文  参考訳（メタデータ） (2021-01-12T12:02:01Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。