論文の概要: Pyramid Focusing Network for mutation prediction and classification in CT images

• arxiv url: http://arxiv.org/abs/2004.03302v2
• Date: Mon, 13 Apr 2020 06:39:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 00:26:20.451723
• Title: Pyramid Focusing Network for mutation prediction and classification in CT images
• Title（参考訳）: CT画像における突然変異予測と分類のためのピラミッド焦点ネットワーク
• Authors: Xukun Zhang and Wenxin Hu and Wen Wu
• Abstract要約: CT画像に基づく突然変異予測と分類のためのピラミッド焦点ネットワーク(PFNet)を提案する。 本手法はCT画像におけるHER-2遺伝子変異の予測における94.90%の精度を実現する。
• 参考スコア（独自算出の注目度）: 2.4440097656693553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting the mutation status of genes in tumors is of great clinical significance. Recent studies have suggested that certain mutations may be noninvasively predicted by studying image features of the tumors from Computed Tomography (CT) data. Currently, this kind of image feature identification method mainly relies on manual processing to extract generalized image features alone or machine processing without considering the morphological differences of the tumor itself, which makes it difficult to achieve further breakthroughs. In this paper, we propose a pyramid focusing network (PFNet) for mutation prediction and classification based on CT images. Firstly, we use Space Pyramid Pooling to collect semantic cues in feature maps from multiple scales according to the observation that the shape and size of the tumors are varied.Secondly, we improve the loss function based on the consideration that the features required for proper mutation detection are often not obvious in cross-sections of tumor edges, which raises more attention to these hard examples in the network. Finally, we devise a training scheme based on data augmentation to enhance the generalization ability of networks. Extensively verified on clinical gastric CT datasets of 20 testing volumes with 63648 CT images, our method achieves the accuracy of 94.90% in predicting the HER-2 genes mutation status of at the CT image.
• Abstract（参考訳）: 腫瘍における遺伝子変異の予測は、非常に臨床的に重要である。 近年の研究ではCT(CT)データから腫瘍の像の特徴を研究することにより,特定の変異が非侵襲的に予測できる可能性が示唆されている。 現在, この種の画像特徴識別法は, 画像の特徴のみを抽出する手動処理や, あるいは機械処理に頼っており, 腫瘍自体の形態的差異を考慮せず, さらなるブレークスルーを実現することは困難である。 本稿では,CT画像に基づく突然変異予測と分類のためのピラミッド集束ネットワーク(PFNet)を提案する。 まず, 腫瘍の形状や大きさが変化しているという観察に基づいて, 複数の尺度から特徴マップのセマンティックな手がかりを収集するために, スペースピラミッドプーリングを用いて, 適切な突然変異検出に必要な特徴がしばしば腫瘍縁の断面で明らかでないことを考慮して, 損失関数を改良し, ネットワーク内のこれらの困難事例に注意を喚起する。 最後に、ネットワークの一般化能力を高めるために、データ拡張に基づくトレーニングスキームを考案する。 63648CT画像を用いた20検体の臨床胃CTデータセットにおいて,HER-2遺伝子変異の予測精度は94.90%であった。

関連論文リスト

• Uncertainty Quantification in Detecting Choroidal Metastases on MRI via Evolutionary Strategies [0.0]
  不確かさの定量化は、放射線学におけるAIの実践的実装を促進する上で重要な役割を担っている。 両眼のMRI画像を用いた単純な畳み込みニューラルネットワーク(CNN)の訓練にDNEを用いた。 その結果,ヒトの放射線技師が評価した主観的特徴は,不確実性が高いイメージを説明できることがわかった。
  論文  参考訳（メタデータ） (2024-04-12T23:49:37Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Integrating Preprocessing Methods and Convolutional Neural Networks for Effective Tumor Detection in Medical Imaging [0.0]
  本研究では,畳み込みニューラルネットワーク(CNN)を用いた医用画像における腫瘍検出のための機械学習手法を提案する。 本研究は,腫瘍検出に関連する画像の特徴を高めるための前処理技術に焦点を当て,CNNモデルの開発と訓練を行った。 医用画像中の腫瘍を正確に検出する手法の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2024-02-25T23:49:05Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Segmentation of Lung Tumor from CT Images using Deep Supervision [0.8733639720576208]
  肺がんは世界中のほとんどの国で死因となっている。 本稿では,LOTUSデータセットに2次元離散ウェーブレット変換(DWT)を適用し,肺腫瘍のセグメンテーションにアプローチする。
  論文  参考訳（メタデータ） (2021-11-17T17:50:18Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Deep Learning models for benign and malign Ocular Tumor Growth Estimation [3.1558405181807574]
  臨床医はしばしば、医用画像データに適した画像処理アルゴリズムを選択する際に問題に直面している。 ここでは、適切なモデルを選択するための戦略を示す。
  論文  参考訳（メタデータ） (2021-07-09T05:40:25Z)
• Boosted EfficientNet: Detection of Lymph Node Metastases in Breast Cancer Using Convolutional Neural Network [6.444922476853511]
  The Convolutional Neutral Network (CNN) は乳癌のリンパ節転移の予測と分類に応用されている。 そこで本研究では,小さな解像度画像を容易にするためのRandom Center Cropping (RCC) という新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2020-10-10T15:18:56Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。