論文の概要: Computational Enhancement of Molecularly Targeted Contrast-Enhanced
Ultrasound: Application to Human Breast Tumor Imaging
- arxiv url: http://arxiv.org/abs/2006.11993v1
- Date: Mon, 22 Jun 2020 03:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 06:40:39.331453
- Title: Computational Enhancement of Molecularly Targeted Contrast-Enhanced
Ultrasound: Application to Human Breast Tumor Imaging
- Title（参考訳）: 分子標的造影超音波の計算的増強 : ヒト乳癌画像への応用
- Authors: Andrew A. Berlin, Mon Young, Ahmed El Kaffas, Sam Gambhir, Amelie
Lutz, Maria Luigia Storto, and Juergen Willmann
- Abstract要約: 分子標的造影超音波(mCEUS)は早期癌検出のための臨床的に有望なアプローチである。
我々は、ヒトのコントラスト蓄積を撮像するユニークな課題に対処するために、mCEUSの計算拡張技術を開発した。
- 参考スコア（独自算出の注目度）: 0.9381376621526817
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Molecularly targeted contrast enhanced ultrasound (mCEUS) is a clinically
promising approach for early cancer detection through targeted imaging of
VEGFR2 (KDR) receptors. We have developed computational enhancement techniques
for mCEUS tailored to address the unique challenges of imaging contrast
accumulation in humans. These techniques utilize dynamic analysis to
distinguish molecularly bound contrast agent from other contrast-mode signal
sources, enabling analysis of contrast agent accumulation to be performed
during contrast bolus arrival when the signal due to molecular binding is
strongest.
Applied to the 18 human patient examinations of the first-in-human molecular
ultrasound breast lesion study, computational enhancement improved the ability
to differentiate between pathology-proven lesion and pathology-proven normal
tissue in real-world human examination conditions that involved both patient
and probe motion, with improvements in contrast ratio between lesion and normal
tissue that in most cases exceed an order of magnitude (10x). Notably,
computational enhancement eliminated a false positive result in which tissue
leakage signal was misinterpreted by radiologists to be contrast agent
accumulation.
- Abstract（参考訳）: 分子標的造影超音波 (mCEUS) は, VEGFR2 (KDR) 受容体を標的とした早期癌検出のための臨床的に有望なアプローチである。
我々は,ヒトのコントラスト蓄積をイメージングするユニークな課題に対処するために,mCEUSの計算拡張技術を開発した。
これらの技術は他のコントラストモード信号源と分子結合コントラストエージェントを区別するために動的解析を利用するため、分子結合によるシグナルが強いときにコントラストボルズ到着時にコントラストエージェントの蓄積を分析することができる。
最初のヒト分子性超音波乳房病変研究18例に応用し、患者とプローブ運動の両方を含む実世界のヒト検診条件において、病理性病変と病理性正常組織を区別する能力の向上と、ほとんどの場合10倍を超える病変と正常組織とのコントラスト比の改善を図った。
特に, 組織漏洩信号が造影剤蓄積と誤解釈されるという偽陽性は, 計算の強化により排除された。
関連論文リスト
- StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - CAVM: Conditional Autoregressive Vision Model for Contrast-Enhanced Brain Tumor MRI Synthesis [3.3966430276631208]
条件付き自己回帰視覚モデルはコントラスト強調脳腫瘍MRIの合成を改善する。
深層学習法は、非コントラスト画像から仮想コントラスト強調MRIスキャンを合成するために応用されている。
自然言語処理における段階的用量増加とChain-of-Thoughtアプローチの類似性から着想を得たCAVMは、自己回帰戦略を使用する。
論文 参考訳（メタデータ） (2024-06-23T10:50:22Z) - Towards Learning Contrast Kinetics with Multi-Condition Latent Diffusion Models [2.8981737432963506]
DCE-MRI時間系列の時間条件画像合成が可能な潜時拡散モデルを提案する。
以上の結果から,本手法が現実的な多列性脂肪飽和乳房DCE-MRIを生成できることが示唆された。
論文 参考訳（メタデータ） (2024-03-20T18:01:57Z) - Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。
コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。
各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-03-06T08:35:29Z) - Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT
by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。
発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
論文 参考訳（メタデータ） (2023-08-01T12:46:02Z) - A Deep Learning Approach for Virtual Contrast Enhancement in Contrast
Enhanced Spectral Mammography [1.1129469448121927]
本研究ではコントラスト強調分光マンモグラフィーにおける仮想コントラスト強調のための深部生成モデルを提案する。
我々のディープネットワークは、オートエンコーダと、Pix2PixとCycleGANという2つのジェネレーティブ・アドバイサル・ネットワークから構成されており、低エネルギー画像のみから合成組換え画像を生成する。
論文 参考訳（メタデータ） (2023-08-01T11:49:05Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳（メタデータ） (2023-03-23T18:50:18Z) - Fluorescence molecular optomic signatures improve identification of
tumors in head and neck specimens [5.486402205751873]
組織分類のための光蛍光分子イメージングデータに放射線学的アプローチが拡張された「オプトミクス」
オプトミックは、蛍光によって伝達されるEGFR発現のテクスチャパターンの違いを探索することにより、腫瘍の同定を改善することを目指している。
改良された性能は、蛍光分子イメージングデータへの放射能アプローチの拡張が、蛍光誘導手術における癌検出に有望な画像解析技術を提供することを示している。
論文 参考訳（メタデータ） (2022-08-29T00:06:25Z) - 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) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-06-26T02:50:09Z)
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。