論文の概要: Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors

• arxiv url: http://arxiv.org/abs/2004.02021v1
• Date: Sat, 4 Apr 2020 21:21:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 23:28:45.757734
• Title: Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors
• Title（参考訳）: 膵神経内分泌腫瘍スクリーニングのための分節法
• Authors: Zhuotun Zhu, Yongyi Lu, Wei Shen, Elliot K. Fishman, Alan L. Yuille
• Abstract要約: 本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
• 参考スコア（独自算出の注目度）: 72.65802386845002
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents comprehensive results to detect in the early stage the pancreatic neuroendocrine tumors (PNETs), a group of endocrine tumors arising in the pancreas, which are the second common type of pancreatic cancer, by checking the abdominal CT scans. To the best of our knowledge, this task has not been studied before as a computational task. To provide radiologists with tumor locations, we adopt a segmentation framework to classify CT volumes by checking if at least a sufficient number of voxels is segmented as tumors. To quantitatively analyze our method, we collect and voxelwisely label a new abdominal CT dataset containing $376$ cases with both arterial and venous phases available for each case, in which $228$ cases were diagnosed with PNETs while the remaining $148$ cases are normal, which is currently the largest dataset for PNETs to the best of our knowledge. In order to incorporate rich knowledge of radiologists to our framework, we annotate dilated pancreatic duct as well, which is regarded as the sign of high risk for pancreatic cancer. Quantitatively, our approach outperforms state-of-the-art segmentation networks and achieves a sensitivity of $89.47\%$ at a specificity of $81.08\%$, which indicates a potential direction to achieve a clinical impact related to cancer diagnosis by earlier tumor detection.
• Abstract（参考訳）: 本研究は,膵臓に発生する膵内分泌腫瘍群である膵神経内分泌腫瘍(pnets)を腹部ct検査にて早期に検出する包括的結果を示す。 我々の知る限りでは、このタスクは以前計算タスクとして研究されなかった。 腫瘍部位を有する放射線科医にCTボリュームを分類するためのセグメンテーションフレームワークを導入し,少なくとも多数のボクセルが腫瘍としてセグメンテーションされているかを確認した。 本手法を定量的に解析するために,動脈および静脈相のそれぞれに376ドル(約3万3000円)の症例を含む新しい腹部CTデータセットを収集し,ボキセルワイズにラベル付けし,PNETと診断された症例は228ドル(約2万2800円)で,残りの148ドル(約1万4800円)の症例は正常で,現在PNETにとって最も大きなデータセットである。 この枠組みに放射線技師の豊富な知識を組み込むため,拡張膵管も注記し,膵癌のリスクが高いと考えられた。 定量的に,このアプローチは最先端のセグメンテーションネットワークを上回り,特異度81.08\%$で89.47.%の感度を達成している。

関連論文リスト

• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Early Detection and Localization of Pancreatic Cancer by Label-Free Tumor Synthesis [11.86190788916592]
  膵癌の早期発見と局所化は、患者の5年間の生存率を8.5%から20%に引き上げることができる。 トレーニングAIモデルには、多数の注釈付きサンプルが必要だが、早期の腫瘍を取得するCTスキャンが利用可能であることには制約がある。 手動のアノテーションを必要とせず, 膵内小膵腫瘍の膨大な例を合成できる腫瘍合成法を開発した。
  論文  参考訳（メタデータ） (2023-08-06T03:37:34Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Improved Pancreatic Tumor Detection by Utilizing Clinically-Relevant Secondary Features [6.132193527180974]
  膵臓がんは、がん関連死亡の世界的な原因の1つである。 本稿では,周囲の解剖学的構造の臨床的特徴を利用した膵腫瘍の検出法を提案する。
  論文  参考訳（メタデータ） (2022-08-06T20:38:25Z)
• Automatic tumour segmentation in H&E-stained whole-slide images of the pancreas [2.4431235585344475]
  病気の検出とセグメンテーションの精度のバランスをとるために,マルチタスク畳み込みニューラルネットワークを提案する。 異なる解像度で29人の患者を対象にアプローチを検証した。
  論文  参考訳（メタデータ） (2021-12-01T22:05:15Z)
• MAG-Net: Mutli-task attention guided network for brain tumor segmentation and classification [0.9176056742068814]
  本稿では,MRI画像を用いて脳腫瘍領域の分類と分類を行うマルチタスク注意誘導エンコーダネットワーク(MAG-Net)を提案する。 このモデルは既存の最先端モデルと比較して有望な結果を得た。
  論文  参考訳（メタデータ） (2021-07-26T16:51:00Z)
• Lymph Node Gross Tumor Volume Detection and Segmentation via Distance-based Gating using 3D CT/PET Imaging in Radiotherapy [18.958512013804462]
  本研究では,放射線腫瘍学者による高レベル推論プロトコルをシミュレーションし,単純化するための効果的な距離ベースゲーティング手法を提案する。 1つのGTVLNカテゴリの特徴を学習する各ブランチで、新しいマルチブランチ検出・セグメンテーションネットワークを訓練する。 以上の結果から,従来の最先端技術と比較して,平均リコール率を72.5%から78.2%に改善した。
  論文  参考訳（メタデータ） (2020-08-27T00:37:50Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。