論文の概要: DeepMTS: Deep Multi-task Learning for Survival Prediction in Patients
with Advanced Nasopharyngeal Carcinoma using Pretreatment PET/CT
- arxiv url: http://arxiv.org/abs/2109.07711v1
- Date: Thu, 16 Sep 2021 04:12:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 14:07:09.522593
- Title: DeepMTS: Deep Multi-task Learning for Survival Prediction in Patients
with Advanced Nasopharyngeal Carcinoma using Pretreatment PET/CT
- Title(参考訳): DeepMTS: PET/CTによる進行鼻咽頭癌の生存予測のための深層マルチタスク学習
- Authors: Mingyuan Meng, Bingxin Gu, Lei Bi, Shaoli Song, David Dagan Feng, and
Jinman Kim
- Abstract要約: 鼻咽頭癌(Nasopharyngeal Carcinoma, NPC)は、世界の悪性上皮癌である。
深層学習は、NPCを含む様々ながんの生存予測に導入されている。
本研究では,小データによるオーバーフィッティング問題に対処するため,マルチタスクが深層生存モデルに傾くという概念を導入した。
- 参考スコア(独自算出の注目度): 15.386240118882569
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Nasopharyngeal Carcinoma (NPC) is a worldwide malignant epithelial cancer.
Survival prediction is a major concern for NPC patients, as it provides early
prognostic information that is needed to guide treatments. Recently, deep
learning, which leverages Deep Neural Networks (DNNs) to learn deep
representations of image patterns, has been introduced to the survival
prediction in various cancers including NPC. It has been reported that
image-derived end-to-end deep survival models have the potential to outperform
clinical prognostic indicators and traditional radiomics-based survival models
in prognostic performance. However, deep survival models, especially 3D models,
require large image training data to avoid overfitting. Unfortunately, medical
image data is usually scarce, especially for Positron Emission
Tomography/Computed Tomography (PET/CT) due to the high cost of PET/CT
scanning. Compared to Magnetic Resonance Imaging (MRI) or Computed Tomography
(CT) providing only anatomical information of tumors, PET/CT that provides both
anatomical (from CT) and metabolic (from PET) information is promising to
achieve more accurate survival prediction. However, we have not identified any
3D end-to-end deep survival model that applies to small PET/CT data of NPC
patients. In this study, we introduced the concept of multi-task leaning into
deep survival models to address the overfitting problem resulted from small
data. Tumor segmentation was incorporated as an auxiliary task to enhance the
model's efficiency of learning from scarce PET/CT data. Based on this idea, we
proposed a 3D end-to-end Deep Multi-Task Survival model (DeepMTS) for joint
survival prediction and tumor segmentation. Our DeepMTS can jointly learn
survival prediction and tumor segmentation using PET/CT data of only 170
patients with advanced NPC.
- Abstract(参考訳): 鼻咽頭癌 (NPC) は世界中の悪性上皮癌である。
生存予測はNPC患者にとって大きな関心事であり、治療のガイドに必要な早期予後情報を提供する。
近年,深層ニューラルネットワーク(DNN)を用いて画像パターンの深部表現を学習する深層学習が,NPCを含む様々ながんの生存予測に導入されている。
画像由来のエンド・ツー・エンドのディープサバイバルモデルが臨床予後指標や従来のx線学的サバイバルモデルよりも予後に優れる可能性があると報告されている。
しかし、ディープサバイバルモデル、特に3Dモデルは、過度な適合を避けるために大きな画像トレーニングデータを必要とする。
残念ながら、PET/CTスキャンのコストが高いため、特にPET/CT(Positron Emission Tomography/Computed Tomography)では医療画像データが不足している。
腫瘍の解剖学的情報のみを提供する磁気共鳴画像(MRI)やCT(CT)と比較して、解剖学的情報(CT)と代謝的情報(PET)の両方を提供するPET/CTは、より正確な生存予測を達成することを約束している。
しかし,NPC患者のPET/CTデータに適用可能な3次元深層生存モデルは見出されていない。
本研究では,小さなデータから生じる過剰適合問題に対処するために,深部生存モデルに重ねるマルチタスクの概念を導入した。
PET/CTデータからの学習効率を高めるため,腫瘍の分節化を補助的タスクとして組み込んだ。
そこで本研究では,3次元エンド・ツー・エンドのディープ・マルチタスク・サバイバルモデル(deepmts)を提案する。
進行npc患者170例のpet/ctデータを用いて,deepmtsは生存予測と腫瘍分画を共同学習できる。
関連論文リスト
- Score-Based Generative Models for PET Image Reconstruction [38.72868748574543]
本稿では,PETによるスコアベース生成モデルの適応について提案する。
提案するフレームワークは, 2D PET と 3D PET の両方に対して開発された。
また,磁気共鳴画像を用いたガイド再構成の拡張も提供する。
論文 参考訳(メタデータ) (2023-08-27T19:43:43Z) - Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT
by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。
発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
論文 参考訳(メタデータ) (2023-08-01T12:46:02Z) - Liver Tumor Screening and Diagnosis in CT with Pixel-Lesion-Patient
Network [37.931408083443074]
Pixel-Lesion-pAtient Network (PLAN) は, アンカークエリの改善と前景のサンプリング損失による各病変の分割と分類を行う。
PLANは95%と96%の患者レベルの感度と特異性を達成している。
造影CTでは, 病変レベルの検出精度, リコール, 分類精度は92%, 89%, 86%であり, CNNやトランスフォーマーよりも優れていた。
論文 参考訳(メタデータ) (2023-07-17T06:21:45Z) - Merging-Diverging Hybrid Transformer Networks for Survival Prediction in
Head and Neck Cancer [10.994223928445589]
マルチモーダル画像からの生存予測のための統合分散学習フレームワークを提案する。
このフレームワークは、マルチモーダル情報を融合するマージエンコーダと、領域固有情報を抽出する発散デコーダを備える。
頭頸部癌(H&N)におけるPET-CT画像の生存予測について検討した。
論文 参考訳(メタデータ) (2023-07-07T07:16:03Z) - Exploring Vanilla U-Net for Lesion Segmentation from Whole-body
FDG-PET/CT Scans [16.93163630413171]
FDG-PETスキャンは代謝情報のみを提供するため、不規則なグルコース消費を伴う健康な組織や良性疾患はがんと誤認される可能性がある。
本稿では,ネットワークアーキテクチャ,データ前処理,データ拡張という3つの側面から,全身FDG-PET/CTスキャンにおける病変分割のためのU-Netの可能性について検討する。
本手法は, AutoPET 2022 チャレンジの予備的, 最終的リーダボードにおいて第1位となる。
論文 参考訳(メタデータ) (2022-10-14T03:37:18Z) - Automatic Tumor Segmentation via False Positive Reduction Network for
Whole-Body Multi-Modal PET/CT Images [12.885308856495353]
PET/CT画像評価では,腫瘍の自動切除が重要なステップである。
既存の方法は腫瘍領域を過剰に分離し、正常な高臓器、炎症、その他の感染症などの領域を含む傾向がある。
この制限を克服するために、偽陽性削減ネットワークを導入します。
論文 参考訳(メタデータ) (2022-09-16T04:01:14Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳(メタデータ) (2022-03-20T21:00:10Z) - Predicting Distant Metastases in Soft-Tissue Sarcomas from PET-CT scans
using Constrained Hierarchical Multi-Modality Feature Learning [14.60163613315816]
Distant metastases (DM) は軟部肉腫 (STS) 患者における主要な死因である
STS患者が転移を発症する画像研究から判断することは困難である。
PET-CTデータから患者のDMを予測する3D CNNについて概説する。
論文 参考訳(メタデータ) (2021-04-23T05:12:02Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳(メタデータ) (2020-10-07T06:22:24Z) - 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) - Experimenting with Convolutional Neural Network Architectures for the
automatic characterization of Solitary Pulmonary Nodules' malignancy rating [0.0]
コンピュータ・トモグラフィ(CT)胸部CTにおける孤立性肺結節(SPN)の早期および自動診断は,早期治療と経時的治療からの医師の解放をもたらす可能性がある。
本研究では,PET/CTスキャナーから得られたCT画像における良性肺結節と悪性肺結節の診断的分類の問題点を考察する。
具体的には、実験的な畳み込みニューラルネットワーク(CNN)アーキテクチャを開発し、パラメータをチューニングし、その振る舞いを調べ、正確な分類のための最適な設定を定義する。
論文 参考訳(メタデータ) (2020-03-15T11:46:00Z)
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。