論文の概要: The Sim-to-Real Gap in MRS Quantification: A Systematic Deep Learning Validation for GABA

• arxiv url: http://arxiv.org/abs/2602.20289v1
• Date: Mon, 23 Feb 2026 19:16:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.494597
• Title: The Sim-to-Real Gap in MRS Quantification: A Systematic Deep Learning Validation for GABA
• Title（参考訳）: MRS量子化におけるSim-to-Realギャップ:GABAの体系的深層学習検証
• Authors: Zien Ma, S. M. Shermer, Oktay Karakuş, Frank C. Langbein,
• Abstract要約: GABAなどの低濃度代謝物の定量化は,低信号-雑音比 (SNR) とスペクトル重なりが原因で困難である。 我々は,MEGA-PRESSスペクトルからの重なり合う複雑な低SNR信号の深層学習について検討し,検証を行った。 我々は,スライスに注目するMEGA-pressシミュレーションから,1万個のシミュレーションスペクトルに対するベイズ最適化による最良のモデルを選択する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Magnetic resonance spectroscopy (MRS) is used to quantify metabolites in vivo and estimate biomarkers for conditions ranging from neurological disorders to cancers. Quantifying low-concentration metabolites such as GABA ($γ$-aminobutyric acid) is challenging due to low signal-to-noise ratio (SNR) and spectral overlap. We investigate and validate deep learning for quantifying complex, low-SNR, overlapping signals from MEGA-PRESS spectra, devise a convolutional neural network (CNN) and a Y-shaped autoencoder (YAE), and select the best models via Bayesian optimisation on 10,000 simulated spectra from slice-profile-aware MEGA-PRESS simulations. The selected models are trained on 100,000 simulated spectra. We validate their performance on 144 spectra from 112 experimental phantoms containing five metabolites of interest (GABA, Glu, Gln, NAA, Cr) with known ground truth concentrations across solution and gel series acquired at 3 T under varied bandwidths and implementations. These models are further assessed against the widely used LCModel quantification tool. On simulations, both models achieve near-perfect agreement (small MAEs; regression slopes $\approx 1.00$, $R^2 \approx 1.00$). On experimental phantom data, errors initially increased substantially. However, modelling variable linewidths in the training data significantly reduced this gap. The best augmented deep learning models achieved a mean MAE for GABA over all phantom spectra of 0.151 (YAE) and 0.160 (FCNN) in max-normalised relative concentrations, outperforming the conventional baseline LCModel (0.220). A sim-to-real gap remains, but physics-informed data augmentation substantially reduced it. Phantom ground truth is needed to judge whether a method will perform reliably on real data.
• Abstract（参考訳）: 磁気共鳴分光法(MRS)は、生体内で代謝産物を定量化し、神経疾患から癌まで幅広い条件のバイオマーカーを推定するために用いられる。 GABA (γ$-aminobutyric acid) などの低濃度代謝物の定量は, 低信号-雑音比 (SNR) とスペクトル重なりが原因で困難である。 我々は,MEGA-PRESSスペクトルからの重畳信号の定量化,畳み込みニューラルネットワーク(CNN)とY字型オートエンコーダ(Y字型オートエンコーダ(YAE)を考案し,スライス認識MEGA-PRESSシミュレーションから1万個の模擬スペクトルに対してベイズ最適化により最良のモデルを選択することを目的とした。 選択されたモデルは10万個の模擬スペクトルで訓練される。 我々は, 5つの代謝物(GABA, Glu, Gln, NAA, Cr)を含む112個の実験ファントムの114個のスペクトルに対して, 溶液中における基底真理濃度および3Tで得られたゲル級数について, 種々の帯域幅と実装条件下での性能を検証した。 これらのモデルは、広く使われているLCModel量子化ツールに対してさらに評価される。 シミュレーションでは、どちらのモデルもほぼ完全に一致している(小さなMAE、回帰勾配$\approx 1.00$, $R^2 \approx 1.00$)。 実験的なファントムデータでは、最初はエラーが大幅に増加した。 しかし、トレーニングデータにおける可変線幅のモデル化は、このギャップを著しく減らした。 最も優れた強化深層学習モデルは、標準LCModel(0.220)を上回り、最大正規化相対濃度の0.151(YAE)と0.160(FCNN)の全ファントムスペクトルに対してGABAの平均MAEを達成した。 sim-to-realのギャップは残っているが、物理学的なデータ拡張により大幅に減少している。 ファントム基底真理は、あるメソッドが実際のデータに対して確実に機能するかどうかを判断するために必要である。

関連論文リスト

• Exact Discrete Stochastic Simulation with Deep-Learning-Scale Gradient Optimization [0.0]
  連続時間マルコフ連鎖(CTMC)の厳密なシミュレーションは、離散性とノイズ駆動系の振る舞いにおいて不可欠であるが、ジルズピー型アルゴリズムの厳密なカテゴリー選択は勾配に基づく学習を妨げている。 我々は, この制約を, 後方微分からフォワードシミュレーションを分離することにより排除し, 厳密な分類的サンプリングにより, 連続的に並列なGumbel-Softmaxストレートスルーサロゲートを伝播する正確な軌道と勾配を生成する。 本研究により, システム生物学, 化学動力学, 物理, およびCTMCが支配する領域における高次元パラメータ推論と逆設計が可能となった。
  論文  参考訳（メタデータ） (2026-02-23T12:29:43Z)
• Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
  本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。 合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善 DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
  論文  参考訳（メタデータ） (2026-02-03T23:38:05Z)
• PulmoFusion: Advancing Pulmonary Health with Efficient Multi-Modal Fusion [31.28925796862013]
  従来のリモートスピロメトリでは、効果的な肺モニタリングに必要な精度が欠如している。 本稿では,RGBやサーマルビデオデータと患者のメタデータを統合するマルチモーダル予測モデルを用いた,新しい非侵襲的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-01-29T15:10:09Z)
• A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
  薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。 我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。 従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-01-26T09:35:17Z)
• Assessing the Performance of 1D-Convolution Neural Networks to Predict Concentration of Mixture Components from Raman Spectra [0.0]
  ラマン分光法の新たな応用は、生薬製造中の化学反応器の状態を監視することである。 化学計測アルゴリズムは、反応が進行するにつれてバイオリアクターの複雑な混合物から生成されるラマンスペクトルを解釈するために用いられる。 特定のバイオリアクター環境に最適なアルゴリズムを見つけることは、ラマン混合データセットが不足しているため困難である。
  論文  参考訳（メタデータ） (2023-06-29T01:41:07Z)
• Magnetic Resonance Spectroscopy Quantification Aided by Deep Estimations of Imperfection Factors and Overall Macromolecular Signal [16.574504002037]
  代謝物とプロトンMSSを正確に定量することは依然として困難である。 ディープラーニングは、この全体的な量的問題を解決する複雑さを減らすために導入された。 QnetはクラウドコンピューティングプラットフォームであるCloudBrain-MRSにデプロイされている。
  論文  参考訳（メタデータ） (2023-06-16T08:24:18Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
  脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。 我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。 次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
  論文  参考訳（メタデータ） (2021-11-15T09:08:27Z)
• Cycle-StarNet: Bridging the gap between theory and data by leveraging large datasets [0.0]
  現在のスペクトル分析の自動化手法は、(a)データ駆動であり、恒星パラメータと元素の存在量の事前の知識を必要とするか、(b)理論と実践のギャップに影響を受けやすい理論合成モデルに基づくかのいずれかである。 本研究では、シミュレーションされた恒星スペクトルを、教師なし学習を大規模分光サーベイに適用することにより、現実的なスペクトルに変換するハイブリッドな生成領域適応法を提案する。
  論文  参考訳（メタデータ） (2020-07-06T23:06:58Z)
• Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
  グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。 MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
  論文  参考訳（メタデータ） (2020-02-26T06:10:12Z)

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。