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
- 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) - 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) - 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) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳(メタデータ) (2022-07-20T06:49:02Z) - 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) - Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D
Convolution and Surface Point Regression [23.916776570010285]
コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。
そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。
3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
論文 参考訳(メタデータ) (2020-08-30T19:42:06Z) - 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。