Core Concepts
ATOMMICは、MRI再構成、セグメンテーション、定量的パラメータマップ推定などの複数の関連タスクを統合的に実行し、一般化を目指すオープンソースのツールボックスである。
Abstract
本研究では、MRI画像処理のための包括的なAIフレームワークであるATOMMICを紹介する。ATOMMICは、MRI画像再構成、セグメンテーション、定量的パラメータマップ推定などの複数のタスクをサポートし、それらを統合的に実行するMultiTask Learningを可能にする。
ATOMMICは以下の特徴を持つ:
複素値データと実数値データの両方をサポートし、タスク間の一貫性を維持する
20以上の深層学習モデルを複数のパブリックデータセットで評価し、再構成、定量的パラメータ推定、セグメンテーション、多タスク学習の各タスクにおける性能を示す
物理ベースのモデルが高加速度の再構成に優れ、高品質の再構成が可能な場合は定量的パラメータマップの推定精度も高い
高性能な再構成モデルとロバストなセグメンテーションネットワークを多タスク学習で組み合わせると、両タスクの性能が向上する
ATOMMICは、MRI画像処理のワークフローを標準化し、データの相互運用性を高め、多タスク学習などの独自の機能を統合し、深層学習モデルの効果的なベンチマークを可能にする。研究者にとって包括的なAIフレームワークとして活用できる。
Stats
MRI撮像時間を大幅に短縮できる高加速度撮像を可能にする深層学習再構成モデルが存在する
高品質の再構成が可能な深層学習モデルを用いると、定量的パラメータマップの推定精度も高くなる
高性能な再構成モデルとロバストなセグメンテーションネットワークを多タスク学習で組み合わせると、両タスクの性能が向上する
Quotes
"ATOMMICは、MRI再構成と解析を促進するために、ワークフローの標準化、データの相互運用性の向上、多タスク学習などの独自の機能の統合、深層学習モデルの効果的なベンチマークを可能にする。"
"物理ベースのモデルが高加速度の再構成に優れ、高品質の再構成が可能な場合は定量的パラメータマップの推定精度も高い。"
"高性能な再構成モデルとロバストなセグメンテーションネットワークを多タスク学習で組み合わせると、両タスクの性能が向上する。"