論文の概要: Automated Detection of Multiple Sclerosis Lesions on 7-tesla MRI Using U-net and Transformer-based Segmentation

• arxiv url: http://arxiv.org/abs/2604.00469v1
• Date: Wed, 01 Apr 2026 04:30:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.832394
• Title: Automated Detection of Multiple Sclerosis Lesions on 7-tesla MRI Using U-net and Transformer-based Segmentation
• Title（参考訳）: U-netとTransformer-based Segmentationを用いた7-tesla MRIにおける多発性硬化病変の自動検出
• Authors: Michael Maynord, Minghui Liu, Cornelia Fermüller, Seongjin Choi, Yuxin Zeng, Shishir Dahal, Daniel M. Harrison,
• Abstract要約: 7T FLAIRスキャンと参照WMLマスクをLesion Tool (LST)出力から解析し,その後,専門家の手による改訂を行った。 複数の解像度 (0.5x0.5x0.53, 1.0x1.0x1.03, 1.5x1.5x2.03) で7T FLAIR上での3D UNETRおよびSegFormerトランスフォーマーモデルを訓練し,BraTS 2023フレームワークのボクセルワイドおよび病変ワイドメトリクスを用いて全手法の評価を行った。 我々の最良のトランスモデル(SegFormer)は、ボクセルワイドディス0.61、病変ワイドディス0.20を達成し、改善した。
• 参考スコア（独自算出の注目度）: 14.67453790346015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultra-high field 7-tesla (7T) MRI improves visualization of multiple sclerosis (MS) white matter lesions (WML) but differs sufficiently in contrast and artifacts from 1.5-3T imaging - suggesting that widely used automated segmentation tools may not translate directly. We analyzed 7T FLAIR scans and generated reference WML masks from Lesion Segmentation Tool (LST) outputs followed by expert manual revision. As external comparators, we applied LST-LPA and the more recent LST-AI ensemble, both originally developed on lower-field data. We then trained 3D UNETR and SegFormer transformer-based models on 7T FLAIR at multiple resolutions (0.5x0.5x0.5^3, 1.0x1.0x1.0^3, and 1.5x1.5x2.0^3) and evaluated all methods using voxel-wise and lesion-wise metrics from the BraTS 2023 framework. On the held-out test set at native 0.5x0.5x0.5^3 resolution, 7T-trained transformers achieved competitive overlap with LST-AI while recovering additional small lesions that were missed by classical methods, at the cost of some boundary variability and occasional artifact-related false positives. On a held-out 7 T test set, our best transformer model (SegFormer) achieved a voxel-wise Dice of 0.61 and lesion-wise Dice of 0.20, improving on the classical LST-LPA tool (Dice 0.39, lesion-wise Dice 0.02). Performance decreased for models trained on downsampled images, underscoring the value of native 7T resolution for small-lesion detection. By releasing our 7T-trained models, we aim to provide a reproducible, ready-to-use resource for automated lesion quantification in ultra-high field MS research (https://github.com/maynord/7T-MS-lesion-segmentation).
• Abstract（参考訳）: 超高磁場 7-tesla (7T) MRI は多発性硬化症 (MS) の白質病変 (WML) の可視化を改善するが, 1.5-3T 画像とアーチファクトの対比は十分異なる。 我々は7T FLAIRスキャンと参照WMLマスクをLesion Segmentation Tool (LST)出力から解析し,その後,専門家の手による改訂を行った。 外部コンパレータとして,LST-LPAとLST-AIアンサンブルを適用した。 次に、7T FLAIR上の3次元UNETRおよびSegFormerトランスフォーマーモデル(0.5x0.5x0.5^3,1.0x1.0x1.0^3,1.5x1.5x2.0^3)を複数の解像度で訓練し、BraTS 2023フレームワークのボクセル・ワイドおよびコントラスト・ワイド・メトリックスを用いた全手法の評価を行った。 ネイティブ0.5x0.5x0.5^3解像度でのホールドアウト試験では、7TトレーニングしたトランスフォーマーがLST-AIと競合する結果を得た。 留置した7Tテストセットにおいて,我々の最良のトランスフォーマーモデル(SegFormer)は,従来のLST-LPAツール(Dice 0.39, lesion-wise Dice 0.02)を改良し,ボクセルワイドDiceの0.61と病変ワイドDiceの0.20を達成した。 ダウンサンプル画像に基づいてトレーニングされたモデルの性能は低下し、小さな競合検出のためのネイティブ7T解像度の値が強調された。 超高磁場MS研究(https://github.com/maynord/7T-MS-lesion-segmentation)において、7Tトレーニングモデルのリリースにより、自動病変定量化のための再現可能な、利用可能なリソースの提供を目指している。

関連論文リスト

• A Heterogeneous Ensemble for Multi-Center COVID-19 Classification from Chest CT Scans [0.39998518782208775]
  3つの推論パラダイムにまたがる9つのモデルの異種アンサンブルを示す。 アンサンブルは4つの病院センターで平均0.9280のマクロF1を達成し、最高のシングルモデルを上回っている。
  論文  参考訳（メタデータ） (2026-03-15T21:34:59Z)
• MedNet-PVS: A MedNeXt-Based Deep Learning Model for Automated Segmentation of Perivascular Spaces [7.639673588124668]
  脳小血管疾患、アルツハイマー病、脳卒中、老化関連神経変性のバイオマーカーとして認識されている。 我々は、トランスフォーマーにインスパイアされた3Dエンコーダ・デコーダ畳み込みネットワークであるMedNeXt-L-k5を自動PSVセグメンテーションに適用した。
  論文  参考訳（メタデータ） (2025-08-27T20:24:12Z)
• Schrödinger Diffusion Driven Signal Recovery in 3T BOLD fMRI Using Unmatched 7T Observations [1.8091533096543726]
  本稿では,3T BOLD fMRI 取得の品質向上を目的とした新しい計算手法を提案する。 我々は、軽量で教師なしのSchr"odinger Bridgeフレームワークを使用して、3Tデータの高SNR、高解像度のデータを推測する。 以上の結果から,標準的な3T取得から7Tレベルの品質を計算的に近似することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-04-01T17:41:24Z)
• LGPS: A Lightweight GAN-Based Approach for Polyp Segmentation in Colonoscopy Images [40.19053450600923]
  ポリプセグメンテーションのための軽量なGANベースのフレームワークであるLGPSを提案する。 1) 改良された残留ブロックで強化されたMobileNetV2バックボーンと、効率的な特徴抽出のためのSqueeze-and-Excitationモジュールである。 最大かつ挑戦的なPolypGenテストデータセットでは、LGPSはDiceの0.7299とIoUの0.7867を達成し、全てのSOTAワークを上回り、堅牢な一般化を実証した。
  論文  参考訳（メタデータ） (2025-03-24T02:41:53Z)
• 7T MRI Synthesization from 3T Acquisitions [1.1549572298362787]
  改良されたディープラーニング技術は、3T MRI入力から合成された7T MRIを生成するために使用できる。 本稿では,V-Net畳み込みニューラルネットワークのカスタム設計版に基づく,新しい7T合成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-13T22:06:44Z)
• The Lazy Neuron Phenomenon: On Emergence of Activation Sparsity in Transformers [59.87030906486969]
  本稿では,Transformer アーキテクチャを用いた機械学習モデルにおいて,アクティベーションマップが疎いという興味深い現象について考察する。 本稿では, 自然言語処理と視覚処理の両方において, スパーシリティが顕著な現象であることを示す。 本稿では,変換器のFLOP数を大幅に削減し,効率を向上する手法について論じる。
  論文  参考訳（メタデータ） (2022-10-12T15:25:19Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
  新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。 我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T08:30:46Z)
• Volumetric Attention for 3D Medical Image Segmentation and Detection [53.041572035020344]
  3次元医用画像のセグメンテーションと検出のためのボリュームアテンション(VA)モジュールを提案する。 VAアテンションはビデオ処理の最近の進歩にインスパイアされ、2.5Dネットワークはz方向のコンテキスト情報を活用することができる。 そのMask R-CNNへの統合は、肝腫瘍(LiTS)チャレンジにおける最先端のパフォーマンスを可能にすることが示されている。
  論文  参考訳（メタデータ） (2020-04-04T18:55:06Z)

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。