論文の概要: Attention-Gated Convolutional Networks for Scanner-Agnostic Quality Assessment
- arxiv url: http://arxiv.org/abs/2604.15059v1
- Date: Thu, 16 Apr 2026 14:25:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.943938
- Title: Attention-Gated Convolutional Networks for Scanner-Agnostic Quality Assessment
- Title（参考訳）: スキャナ非依存品質評価のための注意誘導畳み込みネットワーク
- Authors: Chinmay Bakhale, Anil Sao,
- Abstract要約: 構造MRI(sMRI)における運動アーティファクトの意義
強靭でサイト不変なMRI品質評価のためのハイブリッドCNN-Attentionフレームワークを提案する。
我々のアーキテクチャは,局所空間特徴抽出のための階層型2次元CNNエンコーダと,グローバルな依存関係をモデル化するための多頭部横断機構を統合している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motion artifacts present a significant challenge in structural MRI (sMRI), often compromising clinical diagnostics and large-scale automated analysis. While manual quality control (QC) remains the gold standard, it is increasingly unscalable for massive longitudinal studies. To address this, we propose a hybrid CNN-Attention framework designed for robust, site-invariant MRI quality assessment. Our architecture integrates a hierarchical 2D CNN encoder for local spatial feature extraction with a multi-head cross-attention mechanism to model global dependencies. This synergy enables the model to prioritize motion relevant artifact signatures, such as ringing and blurring, while dynamically filtering out site-specific intensity variations and background noise. The framework was trained end-to-end on the MR-ART dataset using a balanced cohort of 200 subjects. Performance was evaluated across two tiers: Seen Site Evaluation on a held-out MR-ART partition and Unseen Site Evaluation using 200 subjects from 17 heterogeneous sites in the ABIDE archive. On seen sites, the model achieved a scan-level accuracy of 0.9920 and an F1-score of 0.9919. Crucially, it maintained strong generalization across unseen ABIDE sites (Acc = 0.755) without any retraining or fine-tuning, demonstrating high resilience to domain shift. These results indicate that attention-based feature re-weighting successfully captures universal artifact descriptors, bridging the performance gap between diverse imaging environments and scanner manufacturers.
- Abstract（参考訳）: 運動アーティファクトは、しばしば臨床診断と大規模自動解析を妥協する構造MRI(Structure MRI)において重要な課題を呈している。
手動品質管理(QC)は依然として金の標準であるが、大規模な縦断的な研究には適用できない傾向にある。
そこで本研究では,強靭でサイト不変なMRI品質評価を目的としたハイブリッドCNN-Attentionフレームワークを提案する。
本アーキテクチャでは,局所空間特徴抽出のための階層型2次元CNNエンコーダと,グローバルな依存関係をモデル化するための多面的クロスアテンション機構を統合している。
このシナジーにより、サイト固有の強度変化やバックグラウンドノイズを動的にフィルタリングしながら、リングやぼやけなどの動きに関連するアーティファクトシグネチャを優先順位付けすることができる。
このフレームワークは、200人の被験者のバランスの取れたコホートを使用して、MR-ARTデータセットのエンドツーエンドでトレーニングされた。
ABIDEアーカイブ内の17の異種サイトから200名の被験者を対象に, MR-ARTパーティションをホールドアウトしたSee Site Evaluation と Unseen Site Evaluation の2つの層で評価した。
観測地点では、スキャンレベルの精度は0.9920、F1スコアは0.9919であった。
重要な点として、未確認のABIDEサイト(Acc = 0.755)に対して、トレーニングや微調整なしに強力な一般化を維持し、ドメインシフトに対する高いレジリエンスを示した。
これらの結果から,注目機能の再重み付けは,多彩な画像環境とスキャナーメーカ間の性能ギャップを埋めて,普遍的なアーティファクト記述子を捕捉することに成功した。
関連論文リスト
- Interpretable Motion Artificat Detection in structural Brain MRI [2.55957188107151]
本稿では,T1強調脳MRIにおける運動関連アーティファクトを検出するための軽量かつ解釈可能なフレームワークを提案する。
提案手法は並列決定戦略により相補スライスレベル(2D)とボリュームレベル(3D)DHoGMの機能を統合する。
MR-ART と ABIDE のデータセットを用いて,見知らぬ場所と見えない場所の両方で評価した。
論文 参考訳（メタデータ） (2026-03-05T22:34:27Z) - Deep Neural Network Architectures for Electrocardiogram Classification: A Comprehensive Evaluation [7.708113178862228]
本研究では,自動不整脈分類のためのディープニューラルネットワークアーキテクチャの包括的評価を行う。
マイノリティクラスにおけるデータの不足に対処するため、MIT-BIH ArrhythmiaデータセットはGenerative Adversarial Network (GAN)を使用して拡張された。
我々は、CNN(Convolutional Neural Networks)、CNNとLong Short-Term Memory(CNN-LSTM)、CNN-LSTM with Attention(CNN-LSTM)、ResNet-1D(ResNet-1D)の4つの異なるアーキテクチャを開発し比較した。
論文 参考訳（メタデータ） (2026-02-07T06:56:50Z) - SYNAPSE-Net: A Unified Framework with Lesion-Aware Hierarchical Gating for Robust Segmentation of Heterogeneous Brain Lesions [0.23332469289621785]
一般化とロバスト性の両方のために設計された適応型フレームワークであるUnified Multi-Stream SynAPSE-Netを提案する。
このフレームワークは、マルチストリームCNNエンコーダ、グローバルコンテキストのためのSwin Transformerボトルネック、動的モーダルアテンション融合機構を統合した、新しいハイブリッドアーキテクチャの上に構築されている。
モデルは3つの異なる公開データセットで評価された。
論文 参考訳（メタデータ） (2025-10-30T19:40:42Z) - BRIQA: Balanced Reweighting in Image Quality Assessment of Pediatric Brain MRI [2.30091479294656]
BRIQA(Balanced Reweighting in Image Quality Assessment)を提案する。
BRIQAは勾配に基づく損失再重み付けを用いてクラスごとのコントリビューションを動的に調整し、未表現クラスへの一貫した露出を保証する回転スキームを採用している。
BRIQAは平均マクロF1スコアを0.659から0.706に改善し、ノイズ(0.430)、ジッパー(0.098)、ポジショニング(0.097)、コントラスト(0.217)、モーション(0.022)、バンディング(0.012)のアーティファクト重大分類で顕著な利得を得た。
論文 参考訳（メタデータ） (2025-10-30T16:29:09Z) - Knowledge-Informed Neural Network for Complex-Valued SAR Image Recognition [51.03674130115878]
本稿では,新しい「圧縮集約圧縮」アーキテクチャ上に構築された軽量なフレームワークであるKnowledge-Informed Neural Network(KINN)を紹介する。
KINNはパラメータ効率の認識における最先端を確立し、データスカースとアウト・オブ・ディストリビューションのシナリオにおいて例外的な一般化を提供する。
論文 参考訳（メタデータ） (2025-10-23T07:12:26Z) - A Systematic Study of Deep Learning Models and xAI Methods for Region-of-Interest Detection in MRI Scans [0.0]
本研究は, 膝関節MRIにおける興味領域の自動検出のためのAI(xAI)技術と組み合わせて, 各種ディープラーニングアーキテクチャの体系的評価を行う。
ResNet50, InceptionV3, Vision Transformers (ViT) および多層パーセプトロン (MLP) 分類器を付加した複数のU-Net変種について検討した。
以上の結果から,ResNet50は,MRNetデータセットの制約下でのトランスフォーマーベースモデルよりも優れた分類とROI識別が一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-08-19T17:42:45Z) - 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) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。
まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。
エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
論文 参考訳（メタデータ） (2023-10-14T11:03:04Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z)
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。