Fugu-MT 論文翻訳(概要): Deep learning-based synthetic-CT generation in radiotherapy and PET: a review

論文の概要: Deep learning-based synthetic-CT generation in radiotherapy and PET: a review

arxiv url: http://arxiv.org/abs/2102.02734v1
Date: Thu, 4 Feb 2021 16:57:10 GMT
ステータス: 翻訳完了
システム内更新日: 2021-02-05 16:57:43.401969
Title: Deep learning-based synthetic-CT generation in radiotherapy and PET: a review
Title（参考訳）: 放射線治療とPETにおける深層学習に基づく合成CT生成
Authors: Maria Francesca Spadea, Matteo Maspero, Paolo Zaffino, Joao Seco
Abstract要約: 合成CT (SCT) の生成のための深層学習 (DL) 法は, 古典的手法の代替として注目されている。本稿では,これらの手法を3つのカテゴリに分類して体系的に検討する。 I) 磁気共鳴(MR)による治療計画におけるCTの代替、(II) コーンビームCT(CBCT)による画像誘導適応放射線治療、(III) ポジトロン断層撮影(PET)の補正のための減衰マップの作成
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recently, deep learning (DL)-based methods for the generation of synthetic computed tomography (sCT) have received significant research attention as an alternative to classical ones. We present here a systematic review of these methods by grouping them into three categories, according to their clinical applications: I) to replace CT in magnetic resonance (MR)-based treatment planning, II) facilitate cone-beam computed tomography (CBCT)-based image-guided adaptive radiotherapy, and III) derive attenuation maps for the correction of Positron Emission Tomography (PET). Appropriate database searching was performed on journal articles published between January 2014 and December 2020. The DL methods' key characteristics were extracted from each eligible study, and a comprehensive comparison among network architectures and metrics was reported. A detailed review of each category was given, highlighting essential contributions, identifying specific challenges, and summarising the achievements. Lastly, the statistics of all the cited works from various aspects were analysed, revealing the popularity and future trends, and the potential of DL-based sCT generation. The current status of DL-based sCT generation was evaluated, assessing the clinical readiness of the presented methods.
Abstract（参考訳）: 近年,SCT(Synthetic Computed Tomography)の生成のためのディープラーニング(DL)に基づく手法が,古典的手法の代替として注目されている。臨床応用としては, 磁気共鳴(MR)による治療計画におけるCTの置き換え, II) コーンビームCT(CBCT)による画像誘導適応放射線治療の促進, III) ポジトロン・エミッション・トモグラフィ(PET)の補正のための減衰地図の作成, の3つのカテゴリに分類して, これらの手法を体系的に検討する。適切なデータベース検索は2014年1月から2020年12月までに発行されたジャーナルの記事で実施された。 DL法の主な特徴は、各対象研究から抽出され、ネットワークアーキテクチャとメトリクス間の包括的な比較が報告された。各カテゴリの詳細なレビューが行われ、重要な貢献を強調し、特定の課題を特定し、成果を要約しました。最後に, 様々な側面から引用された全作品の統計を分析した結果, 人気と今後の傾向, DLベースのsCT生成の可能性を明らかにした。 dl-based sct generation の現況について検討し,本法の臨床適応性について検討した。

関連論文リスト

Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。 sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
論文参考訳（メタデータ） (2025-01-22T13:54:07Z)
Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
CTBench: A Comprehensive Benchmark for Evaluating Language Model Capabilities in Clinical Trial Design [15.2100541345819]
CTBenchは、臨床研究設計を支援するために言語モデル(LM)を評価するベンチマークとして導入された。このデータセットは、2つのデータセットで構成されている: "CT-Repo" は、臨床試験.govから得られた1,690の臨床試験のベースライン特徴を含み、"CT-Pub"は、関連する出版物から集められたより包括的なベースライン特徴を持つ100の試験のサブセットである。
論文参考訳（メタデータ） (2024-06-25T18:52:48Z)
Automated Radiology Report Generation: A Review of Recent Advances [5.965255286239531]
人工知能の最近の技術進歩は、自動放射線学レポート生成に大きな可能性を示している。人工知能の最近の進歩は、自動放射線診断レポート生成に大きな可能性を示している。
論文参考訳（メタデータ） (2024-05-17T15:06:08Z)
Whole Slide Multiple Instance Learning for Predicting Axillary Lymph Node Metastasis [7.5253686571794445]
本稿では,デジタルコアニードル生検(CNB)画像から臨床情報を定量化するためのディープラーニング(DL)分類パイプラインを提案する。 ALNの転移状態の分類において,SOTA (baseline state-of-the-art) DLモデルを用いた1058例のデータセットを用いて評価を行った。
論文参考訳（メタデータ） (2023-10-06T12:01:55Z)
Effective Matching of Patients to Clinical Trials using Entity Extraction and Neural Re-ranking [8.200196331837576]
臨床試験(CT)は、不十分な患者募集のために失敗することが多い。本稿では,患者と医療のパラダイムに対処するアプローチを提案することによって,CT検索の課題に取り組む。
論文参考訳（メタデータ） (2023-07-01T16:42:39Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
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)
Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文参考訳（メタデータ） (2020-10-07T08:36:44Z)
Revealing Lung Affections from CTs. A Comparative Analysis of Various Deep Learning Approaches for Dealing with Volumetric Data [0.0]
本稿では,肺CTにおける結核関連病変を自動的に検出するための深層学習手法を提示し,比較検討した。報告された研究は、競争で最高の結果を得たSenticLab.UAICチームに属する。
論文参考訳（メタデータ） (2020-09-09T08:34:18Z)

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。