ATOMMIC: An Advanced Toolbox for Multitask Medical Imaging Consistency to facilitate Artificial Intelligence applications from acquisition to analysis in Magnetic Resonance Imaging

要約

AI は、取得および処理チェーンに沿って MRI に革命をもたらしています。
画像再構成、定量的パラメータマップ推定、画像セグメンテーションなどのさまざまな連続タスクに AI を適用するために、高度な AI フレームワークが開発されています。
既存のフレームワークは多くの場合、タスクを独立して実行するように設計されているか、特定のモデルやデータセットに焦点を当てているため、一般化が制限されています。
MRI の再構成と分析を加速するために AI アプリケーションを合理化するオープンソース ツールボックスである ATOMMIC を紹介します。
ATOMMIC は DL ネットワークを使用していくつかのタスクを実装し、マルチタスク学習 (MTL) が関連タスクを統合して実行できるようにし、MRI ドメインでの一般化を目指します。
まず、包括的な文献検索と 12,479 の GitHub リポジトリの解析を通じて、MRI の AI フレームワークの現状をレビューします。
公開されている 8 つのデータセットで 25 の DL モデルをベンチマークし、加速 MRI 再構成、画像セグメンテーション、定量的パラメーター マップ推定、および MTL を利用した共同加速 MRI 再構成と画像セグメンテーションに関する ATOMMIC の異なるアプリケーションを示します。
私たちの調査結果は、ATOMMIC が、調和された複素数値データと実数値データをサポートする唯一の MTL フレームワークであることを示しています。
単一タスクの評価では、MRI の物理的特性を活用してデータの一貫性を強化する物理ベースのモデルが、高度に加速された収集の再構築において他のモデルよりも優れていることが示されています。
高い再構成品質を生み出す物理ベースのモデルは、定量的なパラメーター マップを正確に推定できます。
高性能の再構成モデ​​ルを MTL を利用した堅牢なセグメンテーション ネットワークと組み合わせると、両方のタスクのパフォーマンスが向上します。
ATOMMIC は、ワークフローの標準化、データの相互運用性の強化、MTL などの独自の機能の統合、DL モデルの効果的なベンチマークにより、MRI の再構成と分析を容易にします。

要約(オリジナル)

AI is revolutionizing MRI along the acquisition and processing chain. Advanced AI frameworks have been developed to apply AI in various successive tasks, such as image reconstruction, quantitative parameter map estimation, and image segmentation. Existing frameworks are often designed to perform tasks independently or are focused on specific models or datasets, limiting generalization. We introduce ATOMMIC, an open-source toolbox that streamlines AI applications for accelerated MRI reconstruction and analysis. ATOMMIC implements several tasks using DL networks and enables MultiTask Learning (MTL) to perform related tasks integrated, targeting generalization in the MRI domain. We first review the current state of AI frameworks for MRI through a comprehensive literature search and by parsing 12,479 GitHub repositories. We benchmark 25 DL models on eight publicly available datasets to present distinct applications of ATOMMIC on accelerated MRI reconstruction, image segmentation, quantitative parameter map estimation, and joint accelerated MRI reconstruction and image segmentation utilizing MTL. Our findings demonstrate that ATOMMIC is the only MTL framework with harmonized complex-valued and real-valued data support. Evaluations on single tasks show that physics-based models, which enforce data consistency by leveraging the physical properties of MRI, outperform other models in reconstructing highly accelerated acquisitions. Physics-based models that produce high reconstruction quality can accurately estimate quantitative parameter maps. When high-performing reconstruction models are combined with robust segmentation networks utilizing MTL, performance is improved in both tasks. ATOMMIC facilitates MRI reconstruction and analysis by standardizing workflows, enhancing data interoperability, integrating unique features like MTL, and effectively benchmarking DL models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google