論文の概要: Fully-Automated Liver Tumor Localization and Characterization from Multi-Phase MR Volumes Using Key-Slice ROI Parsing: A Physician-Inspired Approach

• arxiv url: http://arxiv.org/abs/2012.06964v3
• Date: Fri, 9 Apr 2021 04:04:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 12:45:21.549082
• Title: Fully-Automated Liver Tumor Localization and Characterization from Multi-Phase MR Volumes Using Key-Slice ROI Parsing: A Physician-Inspired Approach
• Title（参考訳）: キースライスROI解析による多相MRボリュームの完全自動肝腫瘍局在と評価
• Authors: Bolin Lai, Yuhsuan Wu, Xiaoyu Bai, Xiao-Yun Zhou, Peng Wang, Jinzheng Cai, Yuankai Huo, Lingyun Huang, Yong Xia, Jing Xiao, Le Lu, Heping Hu, Adam Harrison
• Abstract要約: 肝腫瘍の診断には放射線検査が不可欠である。 トップの放射線科医は、適度なレート間合意だけで約80%のf1スコアしか達成できない。 重要な課題は、診断可能な関心領域をローカライズするために、3次元MRボリュームを堅牢に解析することである。
• 参考スコア（独自算出の注目度）: 24.39183542768238
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Using radiological scans to identify liver tumors is crucial for proper patient treatment. This is highly challenging, as top radiologists only achieve F1 scores of roughly 80% (hepatocellular carcinoma (HCC) vs. others) with only moderate inter-rater agreement, even when using multi-phase magnetic resonance (MR) imagery. Thus, there is great impetus for computer-aided diagnosis (CAD) solutions. A critical challenge is to robustly parse a 3D MR volume to localize diagnosable regions of interest (ROI), especially for edge cases. In this paper, we break down this problem using a key-slice parser (KSP), which emulates physician workflows by first identifying key slices and then localizing their corresponding key ROIs. To achieve robustness, the KSP also uses curve-parsing and detection confidence re-weighting. We evaluate our approach on the largest multi-phase MR liver lesion test dataset to date (430 biopsy-confirmed patients). Experiments demonstrate that our KSP can localize diagnosable ROIs with high reliability: 87% patients have an average 3D overlap of >= 40% with the ground truth compared to only 79% using the best tested detector. When coupled with a classifier, we achieve an HCC vs. others F1 score of 0.801, providing a fully-automated CAD performance comparable to top human physicians.
• Abstract（参考訳）: 肝腫瘍の診断には放射線検査が不可欠である。 多相磁気共鳴(MR)画像を用いた場合であっても、F1のスコアが約80%(肝細胞癌(HCC)対その他のもの)であるのに対して、これは非常に困難である。 このように、コンピュータ支援診断(CAD)ソリューションには大きな意味がある。 重要な課題は、特にエッジケースにおいて、診断可能な関心領域(ROI)の局在化のために、3次元MRボリュームを堅牢に解析することである。 本稿では、まずキースライスを特定し、対応するキーロアをローカライズすることで、医師のワークフローをエミュレートするキースライスパーサ(ksp)を用いてこの問題を解明する。 堅牢性を達成するため、KSPはカーブパーシングと検出信頼度再重み付けも使用している。 これまでの多段階mr肝病変検査データ(生検患者430名)に対するアプローチを評価した。 87%の患者は、基礎的真実と平均3d重なりが40%以上あるが、最もよく検査された検出器は79%である。 分類器と組み合わせると、HCCと他のF1スコアの0.801を達成し、上位の医師に匹敵する完全なCAD性能を提供する。

関連論文リスト

• Multi-modal AI for comprehensive breast cancer prognostication [18.691704371847855]
  そこで我々は,新しいAI手法を用いて,デジタル病理と臨床特性に基づく乳癌患者層化試験を開発した。 この検査は15のコホートにまたがる8,161人の乳癌患者のデータを用いて開発・評価された。 その結果、我々のAIテストは精度を向上し、幅広い患者に適用性を高め、治療選択ツールへのアクセスを向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T17:54:29Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• Similarity-based prediction of Ejection Fraction in Heart Failure Patients [0.0]
  本稿では,FILL (Feature Imputation via Local Likelihood) という,データ駆動型統計機械学習手法を提案する。 我々は, 心不全患者に対して, 排液分画率(HFrEF, HFpEF)の低下と保存率の低下を鑑別し, 特に困難な問題を用いて本法を検証した。 これらの困難にもかかわらず,本手法は複数のシナリオを考慮した場合,80%以上の精度でHFpEFの心不全患者を推定できることが示されている。
  論文  参考訳（メタデータ） (2022-03-14T14:19:08Z)
• A deep learning pipeline for localization, differentiation, and uncertainty estimation of liver lesions using multi-phasic and multi-sequence MRI [15.078841623264543]
  肝病変評価のための完全自動コンピュータ支援診断(CAD)ソリューションを提案する。 肝切除または生検を施行し,肝癌(HCC),肝内胆管癌,二次転移と診断された400例を経験した。 キースライス解析を用いて3次元MRI画像から病変を局所化し,その診断に信頼性を提供する完全自動深部CADパイプラインを提案する。
  論文  参考訳（メタデータ） (2021-10-17T13:19:00Z)
• Deep Learning for fully automatic detection, segmentation, and Gleason Grade estimation of prostate cancer in multiparametric Magnetic Resonance Images [0.731365367571807]
  本稿では,PCa-suspect 患者から前立腺 mpMRI を抽出するDeep Learning に基づく完全自動システムを提案する。 PCaの病変を特定し、それらを分類し、最も可能性の高いGleason grade group(GGG)を予測する。 ProstateXトレーニングシステムのコードはhttps://github.com/OscarPellicer/prostate_lesion_detection.comで公開されている。
  論文  参考訳（メタデータ） (2021-03-23T16:08:43Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Deep Learning-based Computational Pathology Predicts Origins for Cancers of Unknown Primary [2.645435564532842]
  原発不明癌 (CUP) は腫瘍由来の原発性解剖学的部位を特定できない診断群である。 最近の研究は、腫瘍原点の同定にゲノム学と転写学を使うことに重点を置いている。 深層学習に基づくCUPの差分診断が可能な計算病理アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-24T17:59:36Z)
• CT-based COVID-19 Triage: Deep Multitask Learning Improves Joint Identification and Severity Quantification [45.86448200141968]
  感染リスクのある患者をできるだけ早期に分離する研究を優先するための新型コロナウイルスの同定、重度定量化、重篤な患者の研究の強調、病院への誘導、救急医療の提供の2つの基本的な設定について述べる。 両トリアージアプローチを統合するマルチタスクアプローチを提案し、利用可能なラベルを1つのモデルにまとめる畳み込みニューラルネットワークを提案する。 我々は約2000件の公開CT研究をトレーニングし、32件のCOVID-19研究、30件の細菌性肺炎、31件の健常患者、および30件の肺病理患者からなる慎重に設計したセットを用いて、典型的な患者の血流をエミュレートする。
  論文  参考訳（メタデータ） (2020-06-02T08:05:06Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。