論文の概要: Early Response Assessment in Lung Cancer Patients using Spatio-temporal CBCT Images

• arxiv url: http://arxiv.org/abs/2003.05408v1
• Date: Sat, 7 Mar 2020 08:20:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 20:10:31.059898
• Title: Early Response Assessment in Lung Cancer Patients using Spatio-temporal CBCT Images
• Title（参考訳）: 時空間CBCT画像を用いた肺癌患者の早期反応評価
• Authors: Bijju Kranthi Veduruparthi, Jayanta Mukherjee, Partha Pratim Das, Mandira Saha, Sanjoy Chatterjee, Raj Kumar Shrimali, Soumendranath Ray and Sriram Prasath
• Abstract要約: 非小細胞肺癌(NSCLC)に対する放射線治療成績予測モデルについて報告する。 本モデルでは, 臨床効果を74%の精度で予測した。
• 参考スコア（独自算出の注目度）: 3.3657245810236636
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We report a model to predict patient's radiological response to curative radiation therapy (RT) for non-small-cell lung cancer (NSCLC). Cone-Beam Computed Tomography images acquired weekly during the six-week course of RT were contoured with the Gross Tumor Volume (GTV) by senior radiation oncologists for 53 patients (7 images per patient). Deformable registration of the images yielded six deformation fields for each pair of consecutive images per patient. Jacobian of a field provides a measure of local expansion/contraction and is used in our model. Delineations were compared post-registration to compute unchanged ($U$), newly grown ($G$), and reduced ($R$) regions within GTV. The mean Jacobian of these regions $\mu_U$, $\mu_G$ and $\mu_R$ are statistically compared and a response assessment model is proposed. A good response is hypothesized if $\mu_R < 1.0$, $\mu_R < \mu_U$, and $\mu_G < \mu_U$. For early prediction of post-treatment response, first, three weeks' images are used. Our model predicted clinical response with a precision of $74\%$. Using reduction in CT numbers (CTN) and percentage GTV reduction as features in logistic regression, yielded an area-under-curve of 0.65 with p=0.005. Combining logistic regression model with the proposed hypothesis yielded an odds ratio of 20.0 (p=0.0).
• Abstract（参考訳）: 非小細胞肺癌(NSCLC)に対する放射線治療(RT)に対する患者の放射線学的反応を予測するモデルについて報告する。 RTの6週間の経過中に収集したコーンビームCT画像は,53例 (患者7例) の放射線腫瘍専門医によるGross tumor Volume (GTV) と一致した。 画像の変形可能な登録は、患者毎の連続画像毎に6つの変形場を得た。 ある場のヤコビアンは局所拡大/収縮の測度を提供し、このモデルで用いられる。 登録後、再登録後(U$)、新たに成長した(G$)、GTV内の(R$)地域を縮小した(R$)。 これらの領域の平均ジャコビアン$\mu_U$,$\mu_G$および$\mu_R$は統計的に比較され、応答評価モデルが提案される。 よい応答は、$\mu_R < 1.0$, $\mu_R < \mu_U$, $\mu_G < \mu_U$と仮定される。 治療後の反応を早期に予測するために、まず3週間の画像を用いる。 本モデルでは, 臨床反応の精度を74 %$と予測した。 CT数(CTN)の減少とGTVの減少をロジスティック回帰の特徴として用いたところ、0.65でp=0.005であった。 ロジスティック回帰モデルと提案仮説を組み合わせると、オッズ比は 20.0 (p=0.0) となる。

関連論文リスト

• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Swin transformers are robust to distribution and concept drift in endoscopy-based longitudinal rectal cancer assessment [3.0468533447146244]
  直腸癌治療の様々な段階において内視鏡画像を用いて治療の反応と毒性を評価する。 主観評価は非常に変動しており、一部の患者では反応の程度を過小評価することができる。 深層学習の進歩は、内視鏡画像に対して一貫した客観的応答アセスメントを生成する能力を示している。
  論文  参考訳（メタデータ） (2024-05-06T18:01:13Z)
• Vestibular schwannoma growth prediction from longitudinal MRI by time conditioned neural fields [5.662694302758444]
  本稿では,腫瘍進展予測のためのニューラルネットワークとリカレントニューラルネットワークを組み合わせたディープラーニング手法であるDeepGrowthを紹介する。 社内の経時的VSデータセットを用いた実験により,提案モデルにより性能が有意に向上した。
  論文  参考訳（メタデータ） (2024-04-03T10:01:23Z)
• Thoracic Cartilage Ultrasound-CT Registration using Dense Skeleton Graph [49.11220791279602]
  一般的なアトラスから個々の患者への計画された経路を正確にマッピングすることは困難である。 アトラスから現在の設定へ計画されたパスを転送できるように、グラフベースの非厳密な登録を提案する。
  論文  参考訳（メタデータ） (2023-07-07T18:57:21Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• A Novel Mask R-CNN Model to Segment Heterogeneous Brain Tumors through Image Subtraction [0.0]
  画像セグメンテーション(画像セグメンテーション)と呼ばれる放射線学者による手法を用いて機械学習モデルに適用し,より優れたセグメンテーションを証明した。 Mask R-CNNは、RSNA肺炎検出チャレンジデータセットで事前トレーニングされたResNetバックボーンであり、Brats 2020 Brain tumorデータセットでモデルをトレーニングすることができる。 DICE係数(F1スコア)、リコール、未タッチテストセットの精度による画像サブトラクションを伴わないモデルと比較することにより、画像サブトラクションの手法がいかにうまく機能するかを確認できる。
  論文  参考訳（メタデータ） (2022-04-04T01:45:11Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Deformation Driven Seq2Seq Longitudinal Tumor and Organs-at-Risk Prediction for Radiotherapy [12.05638699290782]
  畳み込み長短記憶(ConvLSTM)に基づく新しい3次元シーケンス・ツー・シーケンスモデルを提案する。 将来の解剖学的変化と腫瘍の体積の変化を予測し、重要なOARも予測する。 私たちは2つの放射線治療データセットでモデルを検証した。
  論文  参考訳（メタデータ） (2021-06-16T18:29:16Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Novel Radiomic Feature for Survival Prediction of Lung Cancer Patients using Low-Dose CBCT Images [3.510687032586989]
  腫瘍の異種性を考慮した生存予測モデルを提案する。 画像中のX線密度に関する情報とGTV(Grog tumor volume)の併用により腫瘍の均一性を測定する。 本稿では,GTV を用いた既存モデルと比較して生存率の予測を改良する,GTV 内腫瘍マス(TMG)と呼ばれる新機能を提案する。
  論文  参考訳（メタデータ） (2020-03-07T08:47:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。