論文の概要: Automated Detection of Cortical Lesions in Multiple Sclerosis Patients with 7T MRI

• arxiv url: http://arxiv.org/abs/2008.06780v1
• Date: Sat, 15 Aug 2020 20:35:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 20:36:09.490137
• Title: Automated Detection of Cortical Lesions in Multiple Sclerosis Patients with 7T MRI
• Title（参考訳）: 7t mriによる多発性硬化症患者の皮質病変の自動検出
• Authors: Francesco La Rosa, Erin S Beck, Ahmed Abdulkadir, Jean-Philippe Thiran, Daniel S Reich, Pascal Sati, Meritxell Bach Cuadra
• Abstract要約: 多発性硬化症(MS)患者の大脳皮質病変(CL)の検出は,臨床的関連性にもかかわらず,ほとんど注目されていない課題である。 3つの解像度レベルを持つ簡易な3次元U-Net(3D U-Net-)を実装した。 病変径0.75 muLを考慮し, 病変側皮質病変検出率67%, 偽陽性率42%を得た。 このことは,CL手動セグメンテーションの面倒なプロセスにおいて,専門家を支援するための提案手法の可能性を示している。
• 参考スコア（独自算出の注目度）: 5.583426779051882
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The automated detection of cortical lesions (CLs) in patients with multiple sclerosis (MS) is a challenging task that, despite its clinical relevance, has received very little attention. Accurate detection of the small and scarce lesions requires specialized sequences and high or ultra-high field MRI. For supervised training based on multimodal structural MRI at 7T, two experts generated ground truth segmentation masks of 60 patients with 2014 CLs. We implemented a simplified 3D U-Net with three resolution levels (3D U-Net-). By increasing the complexity of the task (adding brain tissue segmentation), while randomly dropping input channels during training, we improved the performance compared to the baseline. Considering a minimum lesion size of 0.75 {\mu}L, we achieved a lesion-wise cortical lesion detection rate of 67% and a false positive rate of 42%. However, 393 (24%) of the lesions reported as false positives were post-hoc confirmed as potential or definite lesions by an expert. This indicates the potential of the proposed method to support experts in the tedious process of CL manual segmentation.
• Abstract（参考訳）: 多発性硬化症 (MS) 患者の皮質病変 (CL) の自動検出は, 臨床的関連性にもかかわらず, ほとんど注目されていない課題である。 小・小病変の正確な検出には特別なシーケンスと高磁場MRIが必要である。 7Tのマルチモーダル構造MRIに基づく教師付きトレーニングでは、2人の専門家が2014 CLの60人の患者から地上の真実のセグメンテーションマスクを作成した。 3つの解像度レベル(3d u-net-)を持つ簡易な3d u-netを実装した。 トレーニング中の入力チャネルをランダムに落としながら,タスクの複雑さ(脳組織分節の追加)を増大させることで,ベースラインよりも性能が向上した。 最小病変径は 0.75 {\mu}l であり, 病変側皮質病変検出率は 67% であり, 偽陽性率は 42% であった。 しかし, 偽陽性と診断された病変の393例(24%)は, 有意または定型病変と診断された。 これはclマニュアルセグメンテーションの退屈なプロセスにおいて専門家を支援するための提案手法の可能性を示している。

関連論文リスト

• Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
  骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。 代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。 不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
  論文  参考訳（メタデータ） (2024-01-31T21:05:34Z)
• Improving Segmentation and Detection of Lesions in CT Scans Using Intensity Distribution Supervision [5.162622771922123]
  対象病変の強度ヒストグラムから強度に基づく病変確率関数を構築した。 各入力CTスキャンの計算したILPマップは、ネットワークトレーニングのための追加の監督として提供される。 また,本手法が検出作業に与える影響についても検討した。
  論文  参考訳（メタデータ） (2023-07-11T21:00:47Z)
• Robust and Generalisable Segmentation of Subtle Epilepsy-causing Lesions: a Graph Convolutional Approach [1.180462901068842]
  FCD(Foccal cortical dysplasia)は薬剤抵抗性てんかんの主要な原因であり、手術で治療できる。 そのため、手動の傷口マスクは高価で、限定的であり、ラッター間変動が大きい。 本稿では,グラフ畳み込みネットワーク(GCN)を用いたセマンティックセグメンテーション(セマンティックセグメンテーション,セマンティックセグメンテーション,セマンティックセグメンテーション)の手法を提案する。
  論文  参考訳（メタデータ） (2023-06-02T08:56:56Z)
• Comprehensive and Clinically Accurate Head and Neck Organs at Risk Delineation via Stratified Deep Learning: A Large-scale Multi-Institutional Study [21.998625549311072]
  本稿では,ディープラーニングを用いた新しい,自動化された,高効率なOARセグメンテーションシステムを提案する。 SOARSは42のOARを、アンカー、ミドルレベル、そして小さな、ハードサブカテゴリに分類する。 それぞれの機関評価において、Diceスコアの少なくとも35%は、他の最先端の手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2021-11-01T07:13:01Z)
• DeepStroke: An Efficient Stroke Screening Framework for Emergency Rooms with Multimodal Adversarial Deep Learning [18.097454820713555]
  緊急室(ER)では、脳梗塞の診断が一般的な課題である。 過剰な実行時間とコストのため、通常、MRIスキャンはERでは利用できない。 本稿では,コンピュータ支援型ストロークプレゼンス評価を実現するために,新しいマルチモーダル深層学習フレームワークDeepStrokeを提案する。
  論文  参考訳（メタデータ） (2021-09-24T16:46:13Z)
• Explainability Guided Multi-Site COVID-19 CT Classification [79.4957965474334]
  監督されたポジティブなケースの限られた数、地域ベースの監督の欠如、および買収サイト間のばらつきに対処する。 現状と比較すると,比較的多くの症例を抱えるサイトにおいてF1スコアが5%増加し,訓練画像が少ないサイトでは2倍の差がみられた。
  論文  参考訳（メタデータ） (2021-03-25T08:56:08Z)
• Deep Lesion Tracker: Monitoring Lesions in 4D Longitudinal Imaging Studies [19.890200389017213]
  深部病変追跡器(DLT)は、外観と解剖学的信号の両方を使用するディープラーニングアプローチです。 我々は,公開deeplesionデータベースから3891個の病巣対からなる最初の病巣追跡ベンチマークをリリースする。 dltは100の縦断研究の外部臨床検査セットをよく一般化し、88%の精度を達成する。
  論文  参考訳（メタデータ） (2020-12-09T05:23:46Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)

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。