論文の概要: Deep Learning Based Analysis of Prostate Cancer from MP-MRI

• arxiv url: http://arxiv.org/abs/2106.01835v1
• Date: Wed, 2 Jun 2021 12:42:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-05 07:32:57.146375
• Title: Deep Learning Based Analysis of Prostate Cancer from MP-MRI
• Title（参考訳）: MP-MRIによる前立腺癌のディープラーニング解析
• Authors: Pedro C. Neto
• Abstract要約: 前立腺癌の診断は、過剰診断の問題に直面し、不必要な治療による副作用を損なう。 本研究では,MRIを応用したコンピュータ支援診断のための深層学習手法について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The diagnosis of prostate cancer faces a problem with overdiagnosis that leads to damaging side effects due to unnecessary treatment. Research has shown that the use of multi-parametric magnetic resonance images to conduct biopsies can drastically help to mitigate the overdiagnosis, thus reducing the side effects on healthy patients. This study aims to investigate the use of deep learning techniques to explore computer-aid diagnosis based on MRI as input. Several diagnosis problems ranging from classification of lesions as being clinically significant or not to the detection and segmentation of lesions are addressed with deep learning based approaches. This thesis tackled two main problems regarding the diagnosis of prostate cancer. Firstly, XmasNet was used to conduct two large experiments on the classification of lesions. Secondly, detection and segmentation experiments were conducted, first on the prostate and afterward on the prostate cancer lesions. The former experiments explored the lesions through a two-dimensional space, while the latter explored models to work with three-dimensional inputs. For this task, the 3D models explored were the 3D U-Net and a pretrained 3D ResNet-18. A rigorous analysis of all these problems was conducted with a total of two networks, two cropping techniques, two resampling techniques, two crop sizes, five input sizes and data augmentations experimented for lesion classification. While for segmentation two models, two input sizes and data augmentations were experimented. However, while the binary classification of the clinical significance of lesions and the detection and segmentation of the prostate already achieve the desired results (0.870 AUC and 0.915 dice score respectively), the classification of the PIRADS score and the segmentation of lesions still have a large margin to improve (0.664 accuracy and 0.690 dice score respectively).
• Abstract（参考訳）: 前立腺癌の診断は、過剰診断の問題に直面し、不必要な治療による副作用を損なう。 生体生検を行うためにマルチパラメトリック磁気共鳴画像を使用することで、過度な診断を軽減し、健康な患者に対する副作用を減少させることが研究で示されている。 本研究では,MRIを応用したコンピュータ支援診断のための深層学習手法について検討する。 臨床的に重要な病変の分類から、病変の検出・分節化まで、いくつかの診断問題は、深層学習に基づくアプローチによって解決される。 前立腺癌の診断には2つの問題があった。 まず、XmasNetは病変の分類に関する2つの大きな実験に使われた。 第2に, 前立腺および後発の前立腺癌病変について, 検出および分節化実験を行った。 前者は2次元空間を通して病変を探索し、後者は3次元入力を扱うモデルを検討した。 この作業のために、探索された3Dモデルは、3D U-Netと事前訓練された3D ResNet-18である。 これらすべての問題を厳密に分析し,2つのネットワーク,2つの収穫技術,2つの再サンプリング技術,2つの作物サイズ,5つの入力サイズとデータ拡張実験を行った。 セグメンテーションには2つのモデルがあり、2つの入力サイズとデータ拡張が実験された。 しかし, 病変の臨床的意義の2次分類と前立腺の検出・分節化は, 所望の結果(0.870 AUC, 0.915 点)をすでに達成しているが, PIRADS スコアの分類と病変の分節化は, 改善すべきマージンが大きい(0.664 点, 0.690 点)。

関連論文リスト

• Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection [8.224446601436757]
  本稿では,グローバル情報とローカル情報の両方を利用した新しい2.5Dクロススライスアテンションモデルを提案する。 我々は2つの異なるデータセットでモデルを用いて広範な実験を行い、前立腺癌検出における最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-07-01T10:14:23Z)
• Triage of 3D pathology data via 2.5D multiple-instance learning to guide pathologist assessments [7.735043623909641]
  本稿では,3次元生検において最もリスクの高い2Dスライスを自動的に識別する深層学習トリアージアプローチであるCARP3Dを提案する。 前立腺がんのリスク層化のために、CARP3Dは2Dセクションの独立解析に依存して、90.4%の曲線(AUC)の領域を達成している。
  論文  参考訳（メタデータ） (2024-06-11T08:42:07Z)
• Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
  骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。 代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。 不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
  論文  参考訳（メタデータ） (2024-01-31T21:05:34Z)
• Weakly Supervised AI for Efficient Analysis of 3D Pathology Samples [6.381153836752796]
  3次元組織画像処理のためのボリュームブロック解析(MAMBA)のためのModality-Agnostic Multiple Case Learningを提案する。 3Dブロックベースのアプローチでは、MAMBAは2Dの単一スライスによる予測よりも優れた受信特性曲線(AUC)の0.86と0.74の領域を達成している。 さらに, 組織体積が大きくなることで予後が向上し, サンプリングバイアスによるリスク予測のばらつきが軽減されることが示唆された。
  論文  参考訳（メタデータ） (2023-07-27T14:48:02Z)
• 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)
• Comparison of automatic prostate zones segmentation models in MRI images using U-net-like architectures [0.9786690381850356]
  前立腺がんは世界で6番目に大きな死因である。 現在、腫瘍組織を含む関心領域(ROI)のセグメンテーションを専門医が手動で行う。 いくつかの研究は、磁気共鳴画像からROIの特徴を自動的に区分けし抽出するという課題に取り組んできた。 この研究で、6つのディープラーニングモデルを訓練し、ディジョン中央病院とカタルーニャ大学ポリテシカ校から取得したMRI画像のデータセットを用いて分析した。
  論文  参考訳（メタデータ） (2022-07-19T18:00:41Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
  ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。 本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
  論文  参考訳（メタデータ） (2020-06-28T19:55:34Z)
• 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)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。