論文の概要: Development and Characterization of a Chest CT Atlas
- arxiv url: http://arxiv.org/abs/2012.03124v1
- Date: Sat, 5 Dec 2020 21:20:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 12:00:33.984853
- Title: Development and Characterization of a Chest CT Atlas
- Title（参考訳）: 胸部ctアトラスの開発と特性評価
- Authors: Kaiwen Xu, Riqiang Gao, Mirza S. Khan, Shunxing Bao, Yucheng Tang,
Steve A. Deppen, Yuankai Huo, Kim L. Sandler, Pierre P. Massion, Mattias P.
Heinrich, Bennett A. Landman
- Abstract要約: 肺がん検診プログラムの低用量CTデータベース上に構築した胸部腺腫について検討した。
空間マッピングを実現するため,胸腔全体に対して多段階間非剛性登録パイプラインを最適化する。
異なる解剖学的表現型に対する識別能力の観点から, 開発したアトラスの応用妥当性を評価した。
- 参考スコア（独自算出の注目度）: 5.770017830153421
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A major goal of lung cancer screening is to identify individuals with
particular phenotypes that are associated with high risk of cancer. Identifying
relevant phenotypes is complicated by the variation in body position and body
composition. In the brain, standardized coordinate systems (e.g., atlases) have
enabled separate consideration of local features from gross/global structure.
To date, no analogous standard atlas has been presented to enable spatial
mapping and harmonization in chest computational tomography (CT). In this
paper, we propose a thoracic atlas built upon a large low dose CT (LDCT)
database of lung cancer screening program. The study cohort includes 466 male
and 387 female subjects with no screening detected malignancy (age 46-79 years,
mean 64.9 years). To provide spatial mapping, we optimize a multi-stage
inter-subject non-rigid registration pipeline for the entire thoracic space. We
evaluate the optimized pipeline relative to two baselines with alternative
non-rigid registration module: the same software with default parameters and an
alternative software. We achieve a significant improvement in terms of
registration success rate based on manual QA. For the entire study cohort, the
optimized pipeline achieves a registration success rate of 91.7%. The
application validity of the developed atlas is evaluated in terms of
discriminative capability for different anatomic phenotypes, including body
mass index (BMI), chronic obstructive pulmonary disease (COPD), and coronary
artery calcification (CAC).
- Abstract（参考訳）: 肺癌スクリーニングの主な目的は、がんのリスクが高い特定の表現型を持つ個体を特定することである。
関連表現型を同定することは、体の位置や体組成の変化によって複雑になる。
脳では、標準化された座標系(例えばアトラス)は、グロース/グローバル構造から局所的な特徴を別々に考慮することができる。
これまで、胸部計算トモグラフィ(ct)における空間マッピングと調和を可能にする類似の標準atlasは提示されていない。
本稿では,肺がん検診プログラムの大規模低線量ct(ldct)データベースを基盤とした胸部アトラスを提案する。
調査コホートは466名の男性と387名の女性で、スクリーニングが検出されていない(46-79歳、平均64.9歳)。
空間マッピングを実現するため,胸腔全体に対して多段階間非剛性登録パイプラインを最適化する。
2つのベースラインに対して最適化されたパイプラインを,デフォルトパラメータを持つソフトウェアと代替ソフトウェアという,代替の非厳格登録モジュールで評価する。
手動のQAに基づいて登録成功率を大幅に改善する。
全研究コホートにおいて、最適化されたパイプラインは91.7%の登録成功率を達成する。
開発したatlasの有効性は,身体質量指数(bmi),慢性閉塞性肺疾患(copd),冠動脈石灰化(cac)などの異なる解剖学的表現型に対する識別能力の観点から評価した。
関連論文リスト
- TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。
VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。
本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文 参考訳（メタデータ） (2024-11-05T19:35:10Z) - Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z) - Multi-Contrast Computed Tomography Atlas of Healthy Pancreas [20.701287373470425]
臓器特異的解析のための形態的変動に適応するためには,体積空間参照が必要である。
膵臓に特異的に最適化されたCTアトラスフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-02T18:16:21Z) - Deep learning automated quantification of lung disease in pulmonary
hypertension on CT pulmonary angiography: A preliminary clinical study with
external validation [0.0]
本研究は,CTPA(CTPA)における肺テクスチャ分類のための人工知能(AI)深層学習モデルの開発を目的とする。
The Fleishner Society glossary of terms were classified as the "Normal", "Ground glass, "Ground glass with reticulation", "Honeycombing", and "Emphysema" were classified as the Fleishner Society glossary of terms。
各テクスチャに対する肺容積の分布は、肺全容のパッチを分類して算出し、肺小葉全体にわたって粗いテクスチャ分類を作成した。
論文 参考訳（メタデータ） (2023-03-20T14:06:32Z) - Spatio-Temporal Hybrid Fusion of CAE and SWIn Transformers for Lung
Cancer Malignancy Prediction [14.7474816215111]
本稿では,新しいハイブリッド・ディスカバリ・ラジオミクス・フレームワークを提案する。
非薄い胸部CTスライスから抽出した時間的特徴と空間的特徴を同時に統合する。
肺腺癌(LUAC)の悪性度を最小限に予測する。
論文 参考訳（メタデータ） (2022-10-27T10:07:00Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Probabilistic combination of eigenlungs-based classifiers for COVID-19
diagnosis in chest CT images [6.1020196190084555]
新型コロナウイルスの感染者数は1億人以上で、2400万人以上が死亡している。
胸部X線(CXR)や胸部CT(CCT)などの医療画像の使用は、優れたソリューションであることが証明されています。
肺炎パターンを同定するために,確率的支援ベクトルマシン(SVM)に基づくアンサンブル分類器を提案する。
論文 参考訳（メタデータ） (2021-03-04T11:30:38Z) - Multi-Contrast Computed Tomography Healthy Kidney Atlas [3.0066242826634415]
スケール全体の可変性を統合および視覚化するには、ボリュームメトリックアトラスフレームワークが必要です。
多発性コントラストCTには腹腔・後腹膜臓器のアラス・フレームワークは存在しない。
腹腔容積を高分解能CTアトラステンプレートに登録するために,深層学習に基づく興味抽出法と2段階階層自動登録パイプラインを導入する。
論文 参考訳（メタデータ） (2020-12-23T01:03:16Z) - 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)
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。