論文の概要: BreastScreening: On the Use of Multi-Modality in Medical Imaging
Diagnosis
- arxiv url: http://arxiv.org/abs/2004.03500v2
- Date: Mon, 1 Jun 2020 14:38:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 00:59:20.748519
- Title: BreastScreening: On the Use of Multi-Modality in Medical Imaging
Diagnosis
- Title（参考訳）: 乳房硬化 : 画像診断におけるマルチモーダリティの活用について
- Authors: Francisco Maria Calisto, Nuno Jardim Nunes, Jacinto Carlos Nascimento
- Abstract要約: 本稿では,乳房検診のためのマルチモーダル・メディカル・イメージング・ユーザ・インタフェースのフィールド研究,設計,および比較展開について述べる。
医用画像インタフェースの今後の設計を導くため,放射線技師からの提言をまとめて紹介する。
- 参考スコア（独自算出の注目度）: 2.3336395992718497
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper describes the field research, design and comparative deployment of
a multimodal medical imaging user interface for breast screening. The main
contributions described here are threefold: 1) The design of an advanced visual
interface for multimodal diagnosis of breast cancer (BreastScreening); 2)
Insights from the field comparison of single vs multimodality screening of
breast cancer diagnosis with 31 clinicians and 566 images, and 3) The
visualization of the two main types of breast lesions in the following image
modalities: (i) MammoGraphy (MG) in both Craniocaudal (CC) and Mediolateral
oblique (MLO) views; (ii) UltraSound (US); and (iii) Magnetic Resonance Imaging
(MRI). We summarize our work with recommendations from the radiologists for
guiding the future design of medical imaging interfaces.
- Abstract（参考訳）: 本稿では,乳房スクリーニングのためのマルチモーダル医用画像ユーザインタフェースの研究開発,設計,および比較開発について述べる。
主な貢献は以下の3つです。
1)乳癌のマルチモーダル診断のための高度なビジュアルインタフェースの設計(BreastScreening)
2)31名の臨床医と566枚の画像を用いた乳癌診断における単変量検診と多変量検診の現場比較
3) 以下の画像における2種類の乳腺病変の可視化
(i)Craniocaudal(CC)とMediolateral oblique(MLO)の両方におけるMammoGraphy(MG)
(ii)超音波(us)、及び
(III)MRI(MRI)
我々は, 医用画像インタフェースの今後の設計を導くための放射線科医の勧告をまとめる。
関連論文リスト
- Breast Ultrasound Report Generation using LangChain [58.07183284468881]
本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。
本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
論文 参考訳（メタデータ） (2023-12-05T00:28:26Z) - Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework
for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。
放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文 参考訳（メタデータ） (2023-08-27T22:07:42Z) - MammoDG: Generalisable Deep Learning Breaks the Limits of Cross-Domain
Multi-Center Breast Cancer Screening [4.587250201300601]
マンモグラフィーは高い変動性とマンモグラフィーのパターンのために課題を提起する。
MammoDGはクロスドメインマルチセンターマンモグラフィーデータの汎用的で信頼性の高い解析のための新しいディープラーニングフレームワークである。
論文 参考訳（メタデータ） (2023-08-02T10:10:22Z) - BreastSAM: A Study of Segment Anything Model for Breast Tumor Detection
in Ultrasound Images [2.752682633344525]
超音波画像における乳腺腫瘍のインタラクティブセグメンテーションのためのセグメンテーションモデル(SAM)について検討した。
ViT_h, ViT_l, ViT_bの3種類の事前学習モデルについて検討した。
本研究は悪性腫瘍と良性乳癌の分節化におけるモデルの性能の差について検討した。
論文 参考訳（メタデータ） (2023-05-21T12:40:25Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Act Like a Radiologist: Towards Reliable Multi-view Correspondence
Reasoning for Mammogram Mass Detection [49.14070210387509]
マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。
AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。
2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
論文 参考訳（メタデータ） (2021-05-21T06:48:34Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - Joint 2D-3D Breast Cancer Classification [22.031221319016353]
デジタルマンモグラフィー(Digital Mammograms、DMまたは2Dマンモグラフィー)とデジタル乳房トモシンセシス(DBTまたは3Dマンモグラフィー)は、乳がんの診断・診断に使用される2種類のマンモグラフィー画像である。
乳がん分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-02-27T19:08:16Z) - 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。