論文の概要: Learned super resolution ultrasound for improved breast lesion characterization

• arxiv url: http://arxiv.org/abs/2107.05270v1
• Date: Mon, 12 Jul 2021 09:04:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 16:10:13.792460
• Title: Learned super resolution ultrasound for improved breast lesion characterization
• Title（参考訳）: 超高分解能超音波による乳腺病変の評価
• Authors: Or Bar-Shira, Ahuva Grubstein, Yael Rapson, Dror Suhami, Eli Atar, Keren Peri-Hanania, Ronnie Rosen, Yonina C. Eldar
• Abstract要約: 超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
• 参考スコア（独自算出の注目度）: 52.77024349608834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is the most common malignancy in women. Mammographic findings such as microcalcifications and masses, as well as morphologic features of masses in sonographic scans, are the main diagnostic targets for tumor detection. However, improved specificity of these imaging modalities is required. A leading alternative target is neoangiogenesis. When pathological, it contributes to the development of numerous types of tumors, and the formation of metastases. Hence, demonstrating neoangiogenesis by visualization of the microvasculature may be of great importance. Super resolution ultrasound localization microscopy enables imaging of the microvasculature at the capillary level. Yet, challenges such as long reconstruction time, dependency on prior knowledge of the system Point Spread Function (PSF), and separability of the Ultrasound Contrast Agents (UCAs), need to be addressed for translation of super-resolution US into the clinic. In this work we use a deep neural network architecture that makes effective use of signal structure to address these challenges. We present in vivo human results of three different breast lesions acquired with a clinical US scanner. By leveraging our trained network, the microvasculature structure is recovered in a short time, without prior PSF knowledge, and without requiring separability of the UCAs. Each of the recoveries exhibits a different structure that corresponds with the known histological structure. This study demonstrates the feasibility of in vivo human super resolution, based on a clinical scanner, to increase US specificity for different breast lesions and promotes the use of US in the diagnosis of breast pathologies.
• Abstract（参考訳）: 乳癌は女性にとって最も多い悪性腫瘍である。 超音波検査では,微小石灰化や腫瘤などのマンモグラフィ所見や腫瘤の形態学的特徴が腫瘍検出の主要な診断対象となっている。 しかし,これらの画像の特異性の改善が必要である。 主要な代替標的は新血管新生である。 病理組織学的には、多くの種類の腫瘍の発生と転移の形成に寄与する。 したがって、微小血管の可視化による血管新生の実証は非常に重要である。 超分解能超音波局在顕微鏡は毛細血管レベルの微小血管のイメージングを可能にする。 しかし, 長期再建時間, ポイントスプレッド機能 (PSF) の事前知識への依存, 超音波コントラストエージェント (UCA) の分離性といった課題は, 超高分解能USのクリニックへの翻訳に対処する必要がある。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 臨床検査で得られた3種類の乳腺病変をin vivoで観察した。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。 それぞれの修復物は、既知の組織構造に対応する異なる構造を示す。 本研究は, 臨床スキャナーによる生体内ヒト超解像の可能性を示し, 乳腺病変のUS特異性を高め, 乳腺疾患の診断におけるUSの使用を促進するものである。

関連論文リスト

• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging [37.21885467891782]
  グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。 リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。 術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
  論文  参考訳（メタデータ） (2023-02-06T15:52:03Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Predicting invasive ductal carcinoma using a Reinforcement Sample Learning Strategy using Deep Learning [0.951828574518325]
  浸潤性管癌の死因は女性で2番目に多い。 特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。 本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-26T14:14:45Z)
• Use of Transfer Learning and Wavelet Transform for Breast Cancer Detection [6.14950556643824]
  深層学習はマンモグラフィーで得られた画像中の癌塊の検出に広く用いられている。 画像スキャンにおける重要な特徴を高めるために,セグメンテーションとウェーブレット変換を導入する。 提案システムは,セグメンテーションとウェーブレット変換の組み合わせを用いて,がん検出のスクリーニング段階における放射線科医を支援する。
  論文  参考訳（メタデータ） (2021-03-05T11:08:56Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• 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)
• Deep learning approach for breast cancer diagnosis [1.6244541005112747]
  乳がんを効果的かつ早期に検出できるU-net構造に着想を得た新しいネットワークアーキテクチャを開発した。 その結果,臨床応用において提案手法の有用性を示す感度と特異性が高いことが示唆された。
  論文  参考訳（メタデータ） (2020-03-10T00:47:37Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。