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: 処理完了
• 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

• Successive Subspace Learning for Cardiac Disease Classification with Two-phase Deformation Fields from Cine MRI [36.044984400761535]
  本研究は,CVD分類のための軽量な逐次サブスペース学習フレームワークを提案する。 解釈可能なフィードフォワードデザインに基づいており、心房と組み合わせている。 3D CNNベースのアプローチと比較して、我々のフレームワークは140$times$より少ないパラメータで優れた分類性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T15:00:59Z)
• 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)
• Continual Learning for Tumor Classification in Histopathology Images [0.0]
  モデル忘れを緩和する継続的な学習モデルは、デジタル病理学に基づく分析で導入する必要がある。 本稿では,DP設定におけるCLシナリオを提案する。 画像の外観変化をシミュレートするために,大腸癌H&E分類のための拡張データセットを構築した。 乳腺腫瘍H&Eデータセットと大腸癌を併用し,腫瘍タイプ別にCLを評価した。
  論文  参考訳（メタデータ） (2022-08-07T01:04:25Z)
• 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)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• 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)
• Two-layer clustering-based sparsifying transform learning for low-dose CT reconstruction [12.37556184089774]
  我々は、リッチな2層クラスタリングに基づくスパース化変換モデル(MCST2)の学習手法を提案する。 実験結果から,PWLS-MCST2法は最近の他の手法と比較して優れた性能を示した。
  論文  参考訳（メタデータ） (2020-11-01T05:15:37Z)
• Self-Supervised Training For Low Dose CT Reconstruction [0.0]
  本研究は,低線量シノグラムを自身のトレーニングターゲットとして用いるためのトレーニングスキームを定義する。 ノイズが要素的に独立な射影領域に自己超越原理を適用する。 提案手法は,従来手法と圧縮方式の両方において,反復的再構成法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-25T22:02:14Z)
• 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。