脳血管疾患分類とMRI-PET翻訳のためのマルチタスク深層学習【JST・京大機械翻訳】

Hussein Ramy; Zhao Moss; Shin David; Guo Jia; Chen Kevin T.; Armindo Rui D.; Davidzon Guido; Moseley Michael; Zaharchuk Greg

プレプリント

J-GLOBAL ID：202202217129725749 整理番号：22P0288754

脳血管疾患分類とMRI-PET翻訳のためのマルチタスク深層学習【JST・京大機械翻訳】

Multi-task Deep Learning for Cerebrovascular Disease Classification and MRI-to-PET Translation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年02月12日プレプリントサーバーでの情報更新日： 2022年02月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

脳血流(CBF)の正確な定量は,モヤモヤ,頸動脈狭窄,動脈瘤および脳卒中のような脳血管疾患の診断および評価に必須である。陽電子放出断層撮影(PET)は,現在,ヒト脳におけるCBFの測定のための金標準と考えられている。しかし,PETイメージングは,その禁止コスト,電離放射線の使用,および2分の半減期の酸素-15放射性同位体を送達するために共局在化サイクロトロンを必要とするロジスティックチャレンジのため,広く利用できない。対照的に,磁気共鳴映像法(MRI)は,より容易に利用可能であり,電離放射線を含まない。本研究では,脳MRI-PET翻訳と疾患診断のためのマルチタスク学習フレームワークを提案した。提案したフレームワークは2つの主要なネットワークから成る。1)マルチコントラストMRI画像から高品質PET CBFマップを合成する注意ベース3D符号器-デコーダ畳込みニューラルネットワーク(CNN),2)入力MRI画像に対応する脳疾患を同定するマルチスケール3D CNN。著者らのマルチタスクフレームワークは,MRI-to-PET翻訳のタスクに関して有望な結果をもたらし,120人の被験者のコホートにおいて,平均構造類似性指数(SSIM)は0.94,ピーク信号対雑音比(PSNR)は38dBであった。加えて,複数のMRI様式の統合が脳疾患の臨床診断を改善することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

神経系の診断 , 循環系の診断 , 放射線を利用した診断 , 腫ようの診断 , 神経系の腫よう

, , , , , ,

前のページに戻る