論文の概要: ICHOR: A Robust Representation Learning Approach for ASL CBF Maps with Self-Supervised Masked Autoencoders

• arxiv url: http://arxiv.org/abs/2603.05247v1
• Date: Thu, 05 Mar 2026 15:01:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.281754
• Title: ICHOR: A Robust Representation Learning Approach for ASL CBF Maps with Self-Supervised Masked Autoencoders
• Title（参考訳）: ICHOR:自己監督型マスクオートエンコーダを用いたASL CBFマップのロバスト表現学習手法
• Authors: Xavier Beltran-Urbano, Yiran Li, Xinglin Zeng, Katie R. Jobson, Manuel Taso, Christopher A. Brown, David A. Wolk, Corey T. McMillan, Ilya M. Nashrallah, Paul A. Yushkevich, Ze Wang, John A. Detre, Sudipto Dolui,
• Abstract要約: 動脈スピンラベリング(ASL)灌流MRIは局所脳血流の直接定量化を可能にする。 ICHORは、ASL CBFマップのための自己教師付き事前学習アプローチであり、3次元マスク付きオートエンコーダを用いて転送可能な表現を学習する。 我々はこれまでで最大のASLデータセットの1つをキュレートし、複数のサイトと取得プロトコルにまたがる14の研究から11,405のASL CBFスキャンを行った。
• 参考スコア（独自算出の注目度）: 2.7089571884047783
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Arterial spin labeling (ASL) perfusion MRI allows direct quantification of regional cerebral blood flow (CBF) without exogenous contrast, enabling noninvasive measurements that can be repeated without constraints imposed by contrast injection. ASL is increasingly acquired in research studies and clinical MRI protocols. Building on successes in structural imaging, recent efforts have implemented deep learning based methods to improve image quality, enable automated quality control, and derive robust quantitative and predictive biomarkers with ASL derived CBF. However, progress has been limited by variable image quality, substantial inter-site, vendor and protocol differences, and limited availability of labeled datasets needed to train models that generalize across cohorts. To address these challenges, we introduce ICHOR, a self supervised pre-training approach for ASL CBF maps that learns transferable representations using 3D masked autoencoders. ICHOR is pretrained via masked image modeling using a Vision Transformer backbone and can be used as a general-purpose encoder for downstream ASL tasks. For pre-training, we curated one of the largest ASL datasets to date, comprising 11,405 ASL CBF scans from 14 studies spanning multiple sites and acquisition protocols. We evaluated the pre-trained ICHOR encoder on three downstream diagnostic classification tasks and one ASL CBF map quality prediction regression task. Across all evaluations, ICHOR outperformed existing neuroimaging self-supervised pre-training methods adapted to ASL. Pre-trained weights and code will be made publicly available.
• Abstract（参考訳）: 動脈スピンラベリング(ASL)灌流MRIは、外因性コントラストを伴わない局所脳血流(CBF)の直接定量化を可能にし、コントラスト注入による制約なしに反復できる非侵襲的計測を可能にする。 ASLは、研究研究や臨床MRIプロトコルでますます買収されている。 構造イメージングの成功に基づいて、近年の取り組みでは、画像品質の向上、自動品質制御の実現、ASL由来のCBFによる堅牢な定量・予測バイオマーカーの導出など、ディープラーニングに基づく手法が実装されている。 しかし、進歩は、画像の品質の変化、サイト間の実質的な違い、ベンダーとプロトコルの違い、コホート全体にわたって一般化されたモデルをトレーニングするために必要なラベル付きデータセットの可用性の制限によって制限されている。 これらの課題に対処するため、3次元マスク付きオートエンコーダを用いて転送可能な表現を学習するASL CBFマップのための自己教師付き事前学習手法であるICHORを導入する。 ICHORはVision Transformerのバックボーンを使ってマスク付きイメージモデリングによって事前訓練されており、下流のASLタスクの汎用エンコーダとして使用できる。 事前トレーニングでは、複数のサイトと取得プロトコルにまたがる14の研究から11,405のASL CBFスキャンを含む、これまでで最大のASLデータセットの1つをキュレートした。 我々は,3つの下流診断タスクと1つのASL CBFマップ品質予測タスクにおいて,事前学習したICHORエンコーダの評価を行った。 全ての評価において、ICHORは、ASLに適応した既存の神経画像の自己教師付き事前訓練方法よりも優れていた。 トレーニング済みの重みとコードは公開されます。

関連論文リスト

• Latent Anomaly Detection: Masked VQ-GAN for Unsupervised Segmentation in Medical CBCT [0.47587112043038626]
  本研究の目的は、ONJ画像スキャンにおける異常を自動的に識別するための教師なしトレーニング手法を開発することである。 第1段階では、VQ-GANが訓練され、正常な被験者を正確に再構築する。 第2段階では、データを復元可能な新しいエンコーダをトレーニングするために、ランダムキューブマスキングとONJ固有のマスキングを適用する。
  論文  参考訳（メタデータ） (2025-06-17T05:58:04Z)
• The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
  本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。 画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
  論文  参考訳（メタデータ） (2025-04-10T16:26:47Z)
• Self-Supervised Multiple Instance Learning for Acute Myeloid Leukemia Classification [1.1874560263468232]
  急性骨髄性白血病(AML)のような疾患は、単細胞レベルでのアノテーションが不足し、コストがかかるため困難である。 マルチインスタンス学習(MIL)は、弱いラベル付きシナリオに対処するが、ラベル付きデータで訓練された強力なエンコーダを必要とする。 本研究では,MILをベースとしたサブタイプAML分類のための事前学習手法として,自己監督学習(SSL)について検討する。
  論文  参考訳（メタデータ） (2024-03-08T15:16:15Z)
• Self-supervised learning for skin cancer diagnosis with limited training data [0.196629787330046]
  自己教師付き学習(SSL)は、限られたトレーニングデータを持つシナリオに対するImageNetの標準教師付き事前トレーニングの代替である。 textitfurther SSL をタスク固有のデータセットで事前トレーニングし、その実装は教師あり転送学習によって動機づけられる。 タスク固有のデータに対するより最小限のSSL事前トレーニングは、限られたラベル付きデータによる医療画像分類タスクにおいて、ImageNet上の大規模なSSL事前トレーニングと同じくらい効果的である。
  論文  参考訳（メタデータ） (2024-01-01T08:11:38Z)
• Enhancing Network Initialization for Medical AI Models Using Large-Scale, Unlabeled Natural Images [1.883452979588382]
  自己教師付き学習(SSL)は胸部X線写真に適用して、堅牢な特徴を学習することができる。 我々は6つの大規模なグローバルデータセットから800,000個の胸部X線写真を用いてアプローチを検証した。
  論文  参考訳（メタデータ） (2023-08-15T10:37:13Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Rethinking Self-Supervised Visual Representation Learning in Pre-training for 3D Human Pose and Shape Estimation [57.206129938611454]
  自己教師付き表現学習(SSL)法は、オブジェクト検出などの視覚タスクのためのImageNet分類前トレーニングよりも優れている。 我々は、SSLの効果を実証的に研究し分析し、3DHPSEの事前学習方法と比較した。 我々の観察では、現在のSSLの3DHPSEへの初歩的な適用に挑戦し、事前トレーニングの側面において、他のデータ型の価値を啓蒙する。
  論文  参考訳（メタデータ） (2023-03-09T16:17:52Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Medical Instrument Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning [62.13520959168732]
  3DUSにおける楽器セグメンテーションのための半教師付き学習フレームワークを提案する。 SSL学習を実現するため、Dual-UNetが提案されている。 提案手法は,Diceの約68.6%-69.1%,推定時間約1秒を実現している。
  論文  参考訳（メタデータ） (2021-07-30T07:59:45Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Embedding Task Knowledge into 3D Neural Networks via Self-supervised Learning [21.902313057142905]
  自己教師付き学習(SSL)は、アノテーション付きデータの潜在的な解決策である。 我々は,3次元医用画像分類,すなわちタスク関連コントラスト予測符号化(TCPC)のための新しいSSL手法を提案する。 TCPCは、タスク知識を3Dニューラルネットワークのトレーニングに組み込む。
  論文  参考訳（メタデータ） (2020-06-10T12:37:39Z)

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。