論文の概要: Deep learning reconstruction of digital breast tomosynthesis images for
accurate breast density and patient-specific radiation dose estimation
- arxiv url: http://arxiv.org/abs/2006.06508v2
- Date: Mon, 29 Mar 2021 15:29:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 14:52:48.090269
- Title: Deep learning reconstruction of digital breast tomosynthesis images for
accurate breast density and patient-specific radiation dose estimation
- Title（参考訳）: 正確な乳房密度と患者特異的放射線線量推定のためのデジタル乳房結合画像のディープラーニング再構成
- Authors: Jonas Teuwen, Nikita Moriakov, Christian Fedon, Marco Caballo, Ingrid
Reiser, Pedrag Bakic, Eloy Garc\'ia, Oliver Diaz, Koen Michielsen, Ioannis
Sechopoulos
- Abstract要約: 擬似3D技術であるデジタル乳房トモシンセシスは、現在では乳がん検診や診断に一般的に用いられている。
本研究では,これらのタスクに特化して最適化されたディープラーニングに基づく再構成アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 2.850087261713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The two-dimensional nature of mammography makes estimation of the overall
breast density challenging, and estimation of the true patient-specific
radiation dose impossible. Digital breast tomosynthesis (DBT), a pseudo-3D
technique, is now commonly used in breast cancer screening and diagnostics.
Still, the severely limited 3rd dimension information in DBT has not been used,
until now, to estimate the true breast density or the patient-specific dose.
This study proposes a reconstruction algorithm for DBT based on deep learning
specifically optimized for these tasks. The algorithm, which we name DBToR, is
based on unrolling a proximal-dual optimization method. The proximal operators
are replaced with convolutional neural networks and prior knowledge is included
in the model. This extends previous work on a deep learning-based
reconstruction model by providing both the primal and the dual blocks with
breast thickness information, which is available in DBT. Training and testing
of the model were performed using virtual patient phantoms from two different
sources. Reconstruction performance, and accuracy in estimation of breast
density and radiation dose, were estimated, showing high accuracy (density
<+/-3%; dose <+/-20%) without bias, significantly improving on the current
state-of-the-art. This work also lays the groundwork for developing a deep
learning-based reconstruction algorithm for the task of image interpretation by
radiologists.
- Abstract（参考訳）: マンモグラフィの二次元的性質は, 乳房密度の推定を困難にし, 真の患者特異的放射線量の推定を不可能にする。
偽3D技術であるデジタル乳房トモシンセシス(DBT)は、現在では乳がん検診や診断に一般的に用いられている。
しかし,DBTの3次元情報は,現在まで,真の乳房密度や患者固有の線量の推定に使用されていない。
本研究では,これらのタスクに最適化された深層学習に基づくdbtの再構成アルゴリズムを提案する。
DBToRと命名したアルゴリズムは、近似双対最適化法をアンロールする手法に基づいている。
近位演算子は畳み込みニューラルネットワークに置き換えられ、事前の知識がモデルに含まれる。
これは、DBTで利用可能な乳房厚情報を備えた原始ブロックと二重ブロックの両方を提供することにより、深層学習に基づく再構築モデルに関する以前の作業を拡張する。
2つの異なるソースから仮想患者ファントムを用いてモデルの訓練と試験を行った。
乳房密度と放射線量の推定精度は, 偏りなく高い精度(密度<+/-3%, 線量<+/20%)を示し, 現状において有意に改善した。
この研究は、放射線学者による画像解釈のタスクのための深層学習に基づく再構成アルゴリズムの開発の基礎となる。
関連論文リスト
- 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。
パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-09-28T12:31:07Z) - SIFT-DBT: Self-supervised Initialization and Fine-Tuning for Imbalanced Digital Breast Tomosynthesis Image Classification [3.665816629105171]
乳がん検診・診断において,Digital Breast Tomo synthesis (DBT) が広く用いられている。
画像の異常を識別するために,ビューレベルのコントラスト型自己監督初期化とファインチューニングを用いた新しい手法を提案する。
提案手法は92.69%の量的AUCを970のユニークな研究で評価する。
論文 参考訳（メタデータ） (2024-03-19T20:52:31Z) - LightBTSeg: A lightweight breast tumor segmentation model using
ultrasound images via dual-path joint knowledge distillation [1.9355072302703609]
乳がんの軽度分節化のための二重パス共同知識蒸留フレームワークLightBTSegを提案する。
我々は、ボトルネックアーキテクチャを活用して、オリジナルの注意U-Netを再構築する。
そして、良性・悪性のカテゴリーの事前知識を用いて、二重経路連成知識蒸留を併用した教師ネットワークを設計する。
論文 参考訳（メタデータ） (2023-11-18T14:25:40Z) - Parallel Diffusion Model-based Sparse-view Cone-beam Breast CT [7.712142153700843]
我々は,切欠き拡散確率モデル(DDPM)を,サブボリュームベーススパースビュー胸部CT画像再構成のための並列フレームワークに変換する。
実験により, 本手法は, 標準放射線線量の半分から3分の1の競争再建性能を達成できることが判明した。
論文 参考訳（メタデータ） (2023-03-22T18:55:43Z) - High-resolution synthesis of high-density breast mammograms: Application
to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。
高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。
本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文 参考訳（メタデータ） (2022-09-20T15:57:12Z) - Moving from 2D to 3D: volumetric medical image classification for rectal
cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。
直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-09-13T07:10:14Z) - Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。
データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。
比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文 参考訳（メタデータ） (2022-04-09T13:04:36Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳（メタデータ） (2020-11-10T09:27:56Z) - Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D
Convolution and Surface Point Regression [23.916776570010285]
コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。
そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。
3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
論文 参考訳（メタデータ） (2020-08-30T19:42:06Z) - On segmentation of pectoralis muscle in digital mammograms by means of
deep learning [1.7114784273243784]
本稿では,データ駆動予測とグラフベース画像処理を組み合わせた2段階のセグメンテーション戦略を提案する。
提案手法では,乳房-胸部境界の位置を予測するために,畳み込みニューラルネットワーク(CNN)を用いる。
比較分析の結果,最先端技術よりも大幅に改善され,モデルフリーで完全自動処理が可能となった。
論文 参考訳（メタデータ） (2020-08-29T03:38:11Z)
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。