論文の概要: Primary Tumor Origin Classification of Lung Nodules in Spectral CT using Transfer Learning

• arxiv url: http://arxiv.org/abs/2006.16633v1
• Date: Tue, 30 Jun 2020 09:56:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 05:30:13.131335
• Title: Primary Tumor Origin Classification of Lung Nodules in Spectral CT using Transfer Learning
• Title（参考訳）: 転移学習を用いたスペクトラルCTにおける肺結節の原発性腫瘍原性分類
• Authors: Linde S. Hesse, Pim A. de Jong, Josien P.W. Pluim, Veronika Cheplygina
• Abstract要約: 肺癌の早期発見は死亡率を著しく低下させることが証明されている。 近年,CT (Computerd tomography) やスペクトルCT (Spectral CT) の進歩により診断精度が向上する可能性がある。 我々はCT画像における肺結節の検出と分類システムを提案する。
• 参考スコア（独自算出の注目度）: 4.0657540412774935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early detection of lung cancer has been proven to decrease mortality significantly. A recent development in computed tomography (CT), spectral CT, can potentially improve diagnostic accuracy, as it yields more information per scan than regular CT. However, the shear workload involved with analyzing a large number of scans drives the need for automated diagnosis methods. Therefore, we propose a detection and classification system for lung nodules in CT scans. Furthermore, we want to observe whether spectral images can increase classifier performance. For the detection of nodules we trained a VGG-like 3D convolutional neural net (CNN). To obtain a primary tumor classifier for our dataset we pre-trained a 3D CNN with similar architecture on nodule malignancies of a large publicly available dataset, the LIDC-IDRI dataset. Subsequently we used this pre-trained network as feature extractor for the nodules in our dataset. The resulting feature vectors were classified into two (benign/malignant) and three (benign/primary lung cancer/metastases) classes using support vector machine (SVM). This classification was performed both on nodule- and scan-level. We obtained state-of-the art performance for detection and malignancy regression on the LIDC-IDRI database. Classification performance on our own dataset was higher for scan- than for nodule-level predictions. For the three-class scan-level classification we obtained an accuracy of 78\%. Spectral features did increase classifier performance, but not significantly. Our work suggests that a pre-trained feature extractor can be used as primary tumor origin classifier for lung nodules, eliminating the need for elaborate fine-tuning of a new network and large datasets. Code is available at \url{https://github.com/tueimage/lung-nodule-msc-2018}.
• Abstract（参考訳）: 肺癌の早期発見は死亡率を著しく低下させることが証明されている。 近年のCT(Computerd tomography, CT)の進歩により, 診断精度が向上する可能性が示唆された。 しかし、多数のスキャンを分析するためのせん断負荷は、自動診断方法の必要性を招きかねない。 そこで本研究では,CTにおける肺結節の検出・分類システムを提案する。 さらに,スペクトル画像が分類器の性能を向上させるかどうかを観察したい。 結節の検出のために,VGG様の3D畳み込みニューラルネット(CNN)を訓練した。 本データセットの原発性腫瘍分類器を得るために, LIDC-IDRIデータセットの結節悪性度に類似した構造を持つ3D CNNを事前訓練した。 その後、このトレーニング済みネットワークをデータセットの結節の特徴抽出器として使用しました。 得られた特徴ベクトルは,サポートベクターマシン(SVM)を用いて,2つの(良性/悪性)および3つの(良性/原発性肺癌/メタスターゼ)クラスに分類した。 この分類は結節レベルとスキャンレベルで行った。 LIDC-IDRIデータベースを用いて,診断・悪性度評価のための最先端技術について検討した。 私たちのデータセットの分類性能は、noduleレベルの予測よりもスキャンで高かった。 3クラススキャンレベル分類では78\%の精度を得た。 スペクトル機能は分類器の性能を向上させたが、顕著ではなかった。 本研究は,新しいネットワークと大規模データセットの精巧な微調整の必要性をなくし,肺結節の原発性腫瘍原産地分類器として事前訓練した特徴抽出器を使用できることを示唆する。 コードは \url{https://github.com/tueimage/lung-nodule-msc-2018} で入手できる。

関連論文リスト

• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• COVID-19 identification from volumetric chest CT scans using a progressively resized 3D-CNN incorporating segmentation, augmentation, and class-rebalancing [4.446085353384894]
  新型コロナウイルスは世界的なパンデミックの流行だ。 高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。 本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
  論文  参考訳（メタデータ） (2021-02-11T18:16:18Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• A new semi-supervised self-training method for lung cancer prediction [0.28734453162509355]
  CT(Computerd Tomography)スキャンから結節を同時に検出し、分類する方法は比較的少ない。 本研究は,Nuisy Student法による最先端の自己訓練法を用いて,肺結節の検出と分類を行うための完全なエンドツーエンドスキームを提案する。
  論文  参考訳（メタデータ） (2020-12-17T09:53:51Z)
• Deep Expectation-Maximization for Semi-Supervised Lung Cancer Screening [1.5379084885764847]
  肺がん検診のための半教師付きアルゴリズムを提案する。 予測最大化(EM)メタアルゴリズムを用いて3次元畳み込みニューラルネットワーク(CNN)を訓練する。 その結果,Semi-Supervised EMアルゴリズムはクロスドメイン肺癌検診の分類精度を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2020-10-02T19:17:07Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)
• Experimenting with Convolutional Neural Network Architectures for the automatic characterization of Solitary Pulmonary Nodules' malignancy rating [0.0]
  コンピュータ・トモグラフィ(CT)胸部CTにおける孤立性肺結節(SPN)の早期および自動診断は,早期治療と経時的治療からの医師の解放をもたらす可能性がある。 本研究では,PET/CTスキャナーから得られたCT画像における良性肺結節と悪性肺結節の診断的分類の問題点を考察する。 具体的には、実験的な畳み込みニューラルネットワーク(CNN)アーキテクチャを開発し、パラメータをチューニングし、その振る舞いを調べ、正確な分類のための最適な設定を定義する。
  論文  参考訳（メタデータ） (2020-03-15T11:46:00Z)

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。