MRSにおける加速された水残留除去:深層学習とフィッティングベースのアプローチの探求
Federico Turco1,2, Johannes Slotboom1, Milena Capiglioni1
1Support Center for Advanced Neuroimaging (SCAN), Institute for Diagnostic and Interventional Neuroradiology, University of Bern, Bern, Switzerland.
2つの新しい方法であるDeepWatRとWaterFitは,磁気共鳴スペクトル検査 (MRS) で水の残留信号を効率的に除去します. 速度と精度の優れたバランスを提供し,臨床MRSの有用性を高めます.
科学分野:
- 磁気共振スペクトロシー (MRS)
- メタボライトの定量化
- 信号処理
背景:
- MRSスペクトルの水残留シグナルは,メタボリットの正確な定量化を複雑にする.
- 既存の水分除去アルゴリズムは計算が密集しており,臨床応用が限られています.
研究 の 目的:
- MRSにおける残留水除去のための2つの新しい高速パイプラインを提案し,検証する.
- 効率的なデータ処理により,MRSの臨床適用性を向上させる.
主な方法:
- DeepWatR (注意を持つU-Netアーキテクチャ) とWaterFit (ローレンツモデルによるトーチ自動区分) を開発した.
- シミュレーションとインビボ1H脳MRSデータを用いて精度と時間効率を評価した.
- ゴールドスタンダードであるハンケル・ランチョスの単数値分解法 (HLSVD) Proと比較した結果
主要な成果:
- DeepWatRとWaterFitは,シミュレートされたデータでHLSVDProに匹敵する量化エラーを示しました.
- 大きなデータセットでは,WaterFitは22. 7倍,DeepWatRはHLSVDProの51倍でした.
- WaterFitは,DeepWatRと比較して,水分除去後のメタボリットのフィッティング精度が高く示されました.
結論:
- WaterFitは,MRSで残留水を除去するための最適の精度と速度のバランスを提供します.
- WaterFitパイプラインは,代謝物質の定量化精度を維持しながら,事前処理時間を大幅に短縮します.
- この進歩は,より速く,より正確な分析を可能にすることで,MRSの臨床的有用性を高めています.
さらに関連する動画
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
関連する概念動画
Typical Model Studies
Rapidly Varying Flow
Uniform Depth Channel Flow: Problem Solving
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Design Example: Creating a Hydraulic Model of a Dam Spillway
