論文の概要: Automated Motion Artifact Check for MRI (AutoMAC-MRI): An Interpretable Framework for Motion Artifact Detection and Severity Assessment

• arxiv url: http://arxiv.org/abs/2512.15315v1
• Date: Wed, 17 Dec 2025 11:05:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.951558
• Title: Automated Motion Artifact Check for MRI (AutoMAC-MRI): An Interpretable Framework for Motion Artifact Detection and Severity Assessment
• Title（参考訳）: MRI(AutoMAC-MRI)の自動運動アーチファクトチェック : 動作アーチファクト検出と重症度評価のための解釈可能なフレームワーク
• Authors: Antony Jerald, Dattesh Shanbhag, Sudhanya Chatterjee,
• Abstract要約: AutoMAC-MRIは、異種MRコントラストと向きをまたいだ動きアーティファクトをグレーディングするための説明可能なフレームワークである。 我々は、画像が各モーショングレードに近接しているかどうかを定量化する、グレード固有の親和性スコアを算出する。 精度の高いグレード検出と1グレードの親和性スコアを結合することにより、AutoMAC-MRIはインラインMRIの品質制御を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Motion artifacts degrade MRI image quality and increase patient recalls. Existing automated quality assessment methods are largely limited to binary decisions and provide little interpretability. We introduce AutoMAC-MRI, an explainable framework for grading motion artifacts across heterogeneous MR contrasts and orientations. The approach uses supervised contrastive learning to learn a discriminative representation of motion severity. Within this feature space, we compute grade-specific affinity scores that quantify an image's proximity to each motion grade, thereby making grade assignments transparent and interpretable. We evaluate AutoMAC-MRI on more than 5000 expert-annotated brain MRI slices spanning multiple contrasts and views. Experiments assessing affinity scores against expert labels show that the scores align well with expert judgment, supporting their use as an interpretable measure of motion severity. By coupling accurate grade detection with per-grade affinity scoring, AutoMAC-MRI enables inline MRI quality control, with the potential to reduce unnecessary rescans and improve workflow efficiency.
• Abstract（参考訳）: モーションアーティファクトはMRI画像の品質を低下させ、患者のリコールを増加させる。 既存の自動品質評価手法はバイナリ決定に限られており、ほとんど解釈できない。 異種MRコントラストと向きをまたいだ動きアーチファクトを分解するための説明可能なフレームワークであるAutoMAC-MRIを紹介する。 このアプローチでは、教師付きコントラスト学習を使用して、動きの重大さの識別的表現を学習する。 この特徴空間内では、画像の運動次数への近さを定量化するための等級別親和性スコアを計算し、これにより、等級割り当てを透過的かつ解釈可能とする。 我々は,複数のコントラストとビューにまたがる5000以上の専門家による脳MRIスライスを用いて,AutoMAC-MRIを評価した。 専門家のラベルに対する親和性を評価する実験は、スコアが専門家の判断とよく一致していることを示し、彼らの動作の重大さの解釈可能な尺度としての使用を支持している。 精度の高いグレード検出とグレード毎のアフィニティスコアを結合することにより、AutoMAC-MRIはインラインMRIの品質制御を可能にし、不要なリスキャンを低減し、ワークフロー効率を向上させることができる。

関連論文リスト

• Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge [56.28872161153236]
  ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
  論文  参考訳（メタデータ） (2025-07-25T11:12:21Z)
• Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
  MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。 ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:25:18Z)
• MAMOC: MRI Motion Correction via Masked Autoencoding [2.2553331475843343]
  本稿では, 運動負荷MRI脳スキャンにおけるRAC(Retrospective Artifact Correction)の問題点に対処する新しい手法であるMAMOC(Masked Motion Correction)を提案する。 MAMOCは、マスク付き自己エンコーディング、転送学習、テストタイム予測を使用して、動きのアーティファクトを効率的に除去し、高忠実でネイティブなスキャンを生成する。 この研究は、公開データセット上の実際のモーションデータを用いてMRIスキャンにおける動作補正を初めて評価し、MAMOCが既存の動作補正法よりも優れた性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-05-23T14:01:22Z)
• Attention-aware non-rigid image registration for accelerated MR imaging [10.47044784972188]
  我々は,MRIの完全サンプリングと高速化のために,非厳密なペアワイズ登録を行うことのできる,注目に敏感なディープラーニングベースのフレームワークを提案する。 我々は、複数の解像度レベルで、登録された画像ペア間の類似性マップを構築するために、局所的な視覚表現を抽出する。 本モデルでは, 異なるサンプリング軌道にまたがって, 安定かつ一貫した運動場を導出することを示す。
  論文  参考訳（メタデータ） (2024-04-26T14:25:07Z)
• Volumetric Reconstruction Resolves Off-Resonance Artifacts in Static and Dynamic PROPELLER MRI [76.60362295758596]
  磁気共鳴イメージング(MRI)におけるオフ共鳴アーティファクトは、画像ボリューム内のスピンの実際の共鳴周波数が空間情報を符号化するのに使用される期待周波数と異なる場合に発生する視覚歪みである。 本稿では,2次元MRI再構成問題を3次元に引き上げ,このオフ共鳴をモデル化するための「スペクトル」次元を導入することで,これらのアーチファクトを解決することを提案する。
  論文  参考訳（メタデータ） (2023-11-22T05:44:51Z)
• 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)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Assessing Lesion Segmentation Bias of Neural Networks on Motion Corrupted Brain MRI [3.9694334747397484]
  病変分割タスクに係わるニューラルネットワークの性能に、異なるレベルの運動アーティファクトが与える影響を定量化する。 この結果から,カリキュラム学習を用いて学習したネットワークは,異なるレベルの運動アーティファクトの補償に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-12T21:06:40Z)

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。