論文の概要: DeepPrognosis: Preoperative Prediction of Pancreatic Cancer Survival and
Surgical Margin via Contrast-Enhanced CT Imaging
- arxiv url: http://arxiv.org/abs/2008.11853v1
- Date: Wed, 26 Aug 2020 22:51:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 22:14:50.045250
- Title: DeepPrognosis: Preoperative Prediction of Pancreatic Cancer Survival and
Surgical Margin via Contrast-Enhanced CT Imaging
- Title（参考訳）: Deep Prognosis:Contrast-Enhanced CTによる膵癌生存と手術の予後予測
- Authors: Jiawen Yao, Yu Shi, Le Lu, Jing Xiao, Ling Zhang
- Abstract要約: 膵管腺癌(PDAC)は最も致命的ながんの1つである。
3D Contrast-Enhanced Convolutional Long Short-Term Memory Network (CE-ConvLSTM) と命名されたPDAC患者の生存予測のための新しいディープニューラルネットワークを提案する。
腫瘍切除マージンに関連する特徴を学習し,生存率予測を改善することにより,予後とマージン予測の両課題を達成できるマルチタスクCNNを提案する。
- 参考スコア（独自算出の注目度）: 26.162788846435365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pancreatic ductal adenocarcinoma (PDAC) is one of the most lethal cancers and
carries a dismal prognosis. Surgery remains the best chance of a potential cure
for patients who are eligible for initial resection of PDAC. However, outcomes
vary significantly even among the resected patients of the same stage and
received similar treatments. Accurate preoperative prognosis of resectable
PDACs for personalized treatment is thus highly desired. Nevertheless, there
are no automated methods yet to fully exploit the contrast-enhanced computed
tomography (CE-CT) imaging for PDAC. Tumor attenuation changes across different
CT phases can reflect the tumor internal stromal fractions and vascularization
of individual tumors that may impact the clinical outcomes. In this work, we
propose a novel deep neural network for the survival prediction of resectable
PDAC patients, named as 3D Contrast-Enhanced Convolutional Long Short-Term
Memory network(CE-ConvLSTM), which can derive the tumor attenuation signatures
or patterns from CE-CT imaging studies. We present a multi-task CNN to
accomplish both tasks of outcome and margin prediction where the network
benefits from learning the tumor resection margin related features to improve
survival prediction. The proposed framework can improve the prediction
performances compared with existing state-of-the-art survival analysis
approaches. The tumor signature built from our model has evidently added values
to be combined with the existing clinical staging system.
- Abstract（参考訳）: 膵管腺癌(PDAC)は最も致命的ながんの1つである。
PDACを初回切除する資格のある患者にとって、手術は治療の可能性が最も高い。
しかし,同一段階の切除患者においても有意差を認め,同様の治療が施行された。
パーソナライズされた治療のためのPDACの正確な術前予後が望まれる。
それにもかかわらず、PDACの造影CT(CE-CT)をフル活用する自動化方法はまだない。
異なるCT位相における腫瘍減衰の変化は、腫瘍内部のストローム分画と臨床結果に影響を与える個々の腫瘍の血管化を反映することができる。
本研究では,ce-ct画像解析から腫瘍減衰信号やパターンを導出できる3次元コンボリューション型畳み込み型長期記憶ネットワーク(ce-convlstm)と呼ばれる,再生可能なpdac患者の生存予測のための新しい深層ニューラルネットワークを提案する。
腫瘍切除マージンに関連する特徴を学習し,生存率予測を改善することにより,予後とマージン予測の両課題を達成できるマルチタスクCNNを提案する。
提案手法は,既存の生存分析手法と比較して予測性能を向上させることができる。
また,本モデルから構築した腫瘍署名は,既存の臨床ステージングシステムと組み合わせた値となった。
関連論文リスト
- Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI [3.6852491526879687]
本研究では,ダイナミックコントラスト強調画像(DCE)とADCマップを用いた乳癌患者のpCR予測モデルを提案する。
本手法は, 腫瘍関連領域からの特徴抽出を誘導するために放射線を利用した自己注意機構を備えたエンコーダを用いて, DCE MRI と ADC から特徴抽出を行う。
論文 参考訳（メタデータ） (2024-06-05T04:49:55Z) - Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。
特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
論文 参考訳（メタデータ） (2024-05-13T16:07:58Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - Segmentation-based Assessment of Tumor-Vessel Involvement for Surgical
Resectability Prediction of Pancreatic Ductal Adenocarcinoma [1.880228463170355]
膵管腺癌 (PDAC) は, 治療の選択肢が限られる進行癌である。
本研究は,腫瘍血管の関与を自動的に評価するワークフローと深層学習に基づくセグメンテーションモデルを提案する。
論文 参考訳（メタデータ） (2023-10-01T10:39:38Z) - 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) - Predicting Thrombectomy Recanalization from CT Imaging Using Deep Learning Models [4.780704816027884]
術前CTとCTA画像を用いて,患者の再石灰化スコアの完全自動予測を提案した。
我々のトップモデルは平均クロスバリデードROC-AUC 77.33 $pm$3.9%を達成した。
論文 参考訳（メタデータ） (2023-02-08T15:41:21Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-11-10T03:02:12Z) - Automated Segmentation and Recurrence Risk Prediction of Surgically
Resected Lung Tumors with Adaptive Convolutional Neural Networks [3.5413688566798096]
肺がんは、がん関連死亡の重大な原因である。
本稿では,肺腫瘍のセグメンテーションと再発リスク予測における畳み込みニューラルネットワーク(CNN)の利用について検討する。
我々の知る限りでは、これは最初の完全自動化されたセグメンテーションと再発リスク予測システムである。
論文 参考訳（メタデータ） (2022-09-17T23:06:22Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via
Alignment Ensemble [77.5625174267105]
膵管腺癌(PDAC)は最も致命的ながんの1つである。
複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。
PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-03-18T19:06:27Z)
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。