論文の概要: Deep Lesion Tracker: Monitoring Lesions in 4D Longitudinal Imaging
Studies
- arxiv url: http://arxiv.org/abs/2012.04872v2
- Date: Mon, 12 Apr 2021 16:53:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 02:04:48.409180
- Title: Deep Lesion Tracker: Monitoring Lesions in 4D Longitudinal Imaging
Studies
- Title(参考訳): 深部病変追跡装置:4次元縦断イメージング研究における病変のモニタリング
- Authors: Jinzheng Cai, Youbao Tang, Ke Yan, Adam P. Harrison, Jing Xiao, Gigin
Lin, Le Lu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 19.890200389017213
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monitoring treatment response in longitudinal studies plays an important role
in clinical practice. Accurately identifying lesions across serial imaging
follow-up is the core to the monitoring procedure. Typically this incorporates
both image and anatomical considerations. However, matching lesions manually is
labor-intensive and time-consuming. In this work, we present deep lesion
tracker (DLT), a deep learning approach that uses both appearance- and
anatomical-based signals. To incorporate anatomical constraints, we propose an
anatomical signal encoder, which prevents lesions being matched with visually
similar but spurious regions. In addition, we present a new formulation for
Siamese networks that avoids the heavy computational loads of 3D
cross-correlation. To present our network with greater varieties of images, we
also propose a self-supervised learning (SSL) strategy to train trackers with
unpaired images, overcoming barriers to data collection. To train and evaluate
our tracker, we introduce and release the first lesion tracking benchmark,
consisting of 3891 lesion pairs from the public DeepLesion database. The
proposed method, DLT, locates lesion centers with a mean error distance of 7
mm. This is 5% better than a leading registration algorithm while running 14
times faster on whole CT volumes. We demonstrate even greater improvements over
detector or similarity-learning alternatives. DLT also generalizes well on an
external clinical test set of 100 longitudinal studies, achieving 88% accuracy.
Finally, we plug DLT into an automatic tumor monitoring workflow where it leads
to an accuracy of 85% in assessing lesion treatment responses, which is only
0.46% lower than the accuracy of manual inputs.
- Abstract(参考訳): 縦断研究における治療反応のモニタリングは臨床における重要な役割を担っている。
連続画像追跡における病変の正確な同定は、モニタリング手順の中核である。
通常、これは画像と解剖学的考察の両方を取り入れている。
しかし、手動で一致する病変は労働集約的で時間を要する。
本研究では,出現信号と解剖信号の両方を用いた深層学習手法であるdeep lesion tracker(dlt)を提案する。
解剖学的制約を組み込むために,病変が視覚的に類似するがスプリアス領域と一致することを防止する解剖学的信号エンコーダを提案する。
さらに,3次元相互相関の重い計算負荷を回避するため,シャムネットワークの新しい定式化を提案する。
また,より多種多様な画像をネットワークに提示するために,データ収集の障壁を克服する自己教師付き学習(SSL)戦略を提案する。
追跡者の訓練と評価のために,公開deeplesionデータベースから3891個の病巣対からなる第1病巣追跡ベンチマークを紹介,公開する。
提案手法であるDLTは, 平均誤差距離7mmの病変中心を同定する。
これはリード登録アルゴリズムよりも5%優れているが、全ctボリュームで14倍高速である。
我々は、検出器や類似性学習の代替よりもさらに多くの改善を示す。
dltはまた、100の縦断的研究の外部臨床テストセットをうまく一般化し、88%の精度を達成した。
最後に, dltを自動腫瘍モニタリングワークフローに挿入し, 病変治療反応の評価において85%の精度が得られ, 手動入力の精度よりわずか0.46%低い。
関連論文リスト
- Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video
Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。
ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
論文 参考訳(メタデータ) (2023-10-05T07:48:55Z) - Development of a Deep Learning Method to Identify Acute Ischemic Stroke
Lesions on Brain CT [38.06921198677509]
ディープラーニング技術は、自動化されたCT脳スキャンアセスメントを提供することができるが、通常は注釈付き画像を必要とする。
我々は,第3回国際ストローク裁判(IST-3)のCT脳スキャンを用いた畳み込みニューラルネットワークを用いたDLアルゴリズムを設計した。
DL法は病変の有無と側方で72%の精度が得られた。
論文 参考訳(メタデータ) (2023-09-29T15:28:16Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Mediastinal Lymph Node Detection and Segmentation Using Deep Learning [1.7188280334580195]
臨床ではCT(Computed tomography)とPET(positron emission tomography)が異常リンパ節(LN)を検出する
深層畳み込みニューラルネットワークは、しばしば医療写真にアイテムを分割する。
良質な深層学習手法であるUNetは、縦隔リンパ節の分節と検出のための戦略に基づいて、双線形および全一般化変異(TGV)を用いて修正された。
修正されたUNetはテクスチャの不連続を維持し、ノイズの多い領域を選択し、バックプロパゲーションを通じて適切なバランスポイントを検索し、画像の解像度を再現する。
論文 参考訳(メタデータ) (2022-11-24T02:55:20Z) - 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) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳(メタデータ) (2020-12-16T07:11:16Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳(メタデータ) (2020-09-22T11:53:06Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳(メタデータ) (2020-06-25T21:10:04Z) - 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) - Weakly Supervised Lesion Co-segmentation on CT Scans [18.58056402884405]
本稿では、まずRECISTスライスから擬似マスクを生成する弱教師付きコセグメンテーションモデルを提案する。
次に、これらを注意に基づく畳み込みニューラルネットワークのトレーニングラベルとして使用し、一対のCTスキャンから共通の病変を分割する。
論文 参考訳(メタデータ) (2020-01-24T19:39:33Z)
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。