Publication

Deriving Brain Myelin Water Fraction Maps from Relaxometry: a Data-Driven Approach

Jean-Philippe Thiran, Jonas Richiardi
2019
Posters

Résumé

Currently, one of the gold-standard methods to obtain brain myelin water fraction (MWF) maps is the multi-echo spin-echo sequence. To overcome some of its limitations (e.g. long acquisition times), a data-driven approach for deriving MWF maps is proposed here. A general linear model (GLM) and a conditional generative adversarial network (cGAN) were trained to learn the reference MWF from T1 and T2 maps acquired in a healthy cohort. While GLM-derived maps exhibited MWF overestimation, especially in WM tissue, the cGAN yielded images in agreement with the reference. The proposed methods were preliminarily tested in patients and revealed myelin degradation in expected areas.

Source officielle

https://infoscience.epfl.ch/entities/publication/5ac73a9c-5a16-4dbb-b69e-ed250ed0bbb3

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Jean-Philippe Thiran, Jonas Richiardi
2019
Posters

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/5ac73a9c-5a16-4dbb-b69e-ed250ed0bbb3

À propos de ce résultat

Concepts associés (23)

Modèle linéaire généralisé

En statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.

Modèle linéaire

vignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.

Modèle linéaire

Afficher plus

Publications associées (1)

Deriving Brain Myelin Water Fraction Maps from Relaxometry: a Data-Driven Approach

Chattez avec Graph Search

Geomedicine: opportunities of using spatial information to move toward more precision in public health - spatial approaches and clusters: an introduction for clinicians