半監督医療画像セグメンテーションのための両側監視ネットワーク

半監督医療画像セグメンテーションのための両側監視ネットワーク

研究背景和动机 医学画像のセグメンテーションは解剖学的構造と病変領域の画像分析および臨床診断において重要な意義を持っています。しかし、従来の完全教師あり学習方法は大量のアノテーションデータに依存しており、医学画像のピクセルレベルのアノテーションデータの取得は高コストであり、時間がかかります。アノテーションデータへの依存を減らすために、半教師あり学習(SSL)方法が徐々に台頭してきました。現在のSSL方法、例えばmean teacher(MT)フレームワークは良好な効果を上げていますが、依然として多くの制限があります。したがって、本研究は二方向監督ネットワーク(bilateral supervision network、BSNet)を提案し、ラベルのないサンプルをより良く活用することで半教師あ...

画像生成から減衰補正までの直接陽電子放出イメージングの無再構築システム設計

画像生成から減衰補正までの直接陽電子放出イメージングの無再構築システム設計

背景紹介 一世紀前、Hevesyは最初に放射性トレーサーを植物の生物指標として利用することを提案し、その後ラットの実験で確認された。この発見は、核医学と分子イメージングの生物医学分野の発展を促進し、分子レベルでの生物過程の定量的可視化を可能にした。数あるイメージング技術の中で、単光子放出計算機断層撮影(SPECT)と陽電子放出断層撮影(PET)が特に重要であり、これらは標識化合物を使って生物機能と代謝を定量的に検出することができる。これらの技術が発展する過程で、X線計算機断層撮影(CT)や磁気共鳴画像(MRI)を組み合わせて解剖情報を得ることで、診断とデータ補正の正確性がさらに向上した。 しかし、現行のシステムには、画像再構成のプロセスで時間がかかり、ノイズが拡散するという大きな制約がある。...

誘発成分分析(ECA):GLM正則化による機能的超音波信号の分解

誘発成分分析(ECA):GLM正則化に基づく機能的超音波信号の分解 背景紹介 機能的神経イメージングデータ分析は、脳活動の空間的および時間的パターンを明らかにすることを目的としています。既存のデータ分析方法は大きく二つに分けられます:完全にデータに基づく分析方法と、刺激時間コースを用いて脳活動を分析するなど、先験情報に依存する方法です。一般に、刺激信号を使うことで活発な脳領域を識別する手助けができますが、脳の刺激に対する反応は非線形および時間変動の特徴を示します。そのため、完全に刺激信号に依存して脳の時間反応を記述することは、脳機能の理解を制限する可能性があります。 このような背景のもと、著者は新しい技術、誘発成分分析(Evoked Component Analysis, ECA)を提案しま...

AIに基づく頭部衝撃運動測定のノイズ除去と外傷性脳損傷予測のための畳み込みニューラルネットワーク

畳み込みニューラルネットワークに基づく頭部衝撃動力学測定のノイズ除去の研究と応用 研究背景 軽度外傷性脳損傷(MTBI)は、世界的な健康の脅威である。人間は転倒、交通事故、スポーツなどの状況でMTBIのリスクにさらされることが多い。統計によると、2016年には世界で2700万件以上の脳損傷の事例があり、そのうち80%は「軽度」の脳損傷で、症状は比較的軽いが長期的な病理変化を引き起こす可能性がある。MTBIの病状分類は通常、グラスゴー昏睡尺度(GCS)によって行われ、そのスコアが12以上の患者は軽度脳損傷に分類される。急性期後には症状が迅速に回復することが多いが、長期的には慢性外傷性脳症(CTE)などの合併症が生じる可能性がある。 頭部衝撃が脳に与える影響を定量化するために、研究者は頭部運動学...

物理知識に基づいた深層学習による低磁場MRIにおける共同B0および画像再構成

物理知識に基づいた深層学習による低磁場MRIにおける共同B0および画像再構成

物理知識に基づく深層学習を活用した低磁場MRI画像再構成 背景紹介: 最近、低磁場磁気共鳴画像法(MRI)の応用が注目されています。低磁場MRIはコストが低く、メンテナンスが簡単なため、さまざまな臨床および研究環境で広い応用可能性があると考えられています。たとえば、携帯型低磁場MRIスキャナは操作が容易で、緊急医療や手術室などの場面でも利用可能です。また、低磁場MRIは脳卒中の診断に有望である初期評価が示されており、この技術が全球的な医療診断においてより魅力的であることを示唆しています。しかし、低磁場MRIの主な課題は低信号対雑音比(SNR)と磁石設計、材料欠陥、および製造公差によるB0磁場の不均一性にあります。 この研究はDavid Schote、Lukas Winter、Christop...

多施設共同作業による心音異常検出: 連邦学習フレームワークの導入

多施設共同作業による心音異常検出: 連邦学習フレームワークの導入

利用連邦学習で心音異常を検出する多機関協力研究 学術的背景 心血管疾患(Cardiovascular diseases, CVDs)は主要な死因の一つとなっており、特に高齢者において心血管の健康問題が社会の注目を集めています。早期のスクリーニング、診断および予後管理は入院を防ぐために非常に重要です。心音信号は豊富な生理学的および病理学的情報を含んでおり、心音を用いたCVDsの早期診断は取得が容易で、広く存在し、非侵襲性といった利点があります。近年、人工知能(AI)が心音補助診断に応用され、広く注目を集めています。自動心音聴診技術は心臓の状態を迅速かつ効果的に評価するのに役立ちます。しかし、現存する研究はデータの安全性およびプライバシー問題を無視しており、特に多機関がデータを共同使用する場合に...