論文の概要: Lymph Node Detection in T2 MRI with Transformers

• arxiv url: http://arxiv.org/abs/2111.04885v1
• Date: Tue, 9 Nov 2021 00:06:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-10 23:32:07.291451
• Title: Lymph Node Detection in T2 MRI with Transformers
• Title（参考訳）: トランスフォーマーを用いたt2 mriにおけるリンパ節の検出
• Authors: Tejas Sudharshan Mathai, Sungwon Lee, Daniel C. Elton, Thomas C. Shen, Yifan Peng, Zhiyong Lu, and Ronald M. Summers
• Abstract要約: そこで本研究では,T2 MRIスキャンにおける不審な転移リンパ節の局所化にDetection TRansformer (DETR) ネットワークを用いることを提案する。 われわれはT2 MRIにおけるリンパ節検出の現状を改善した。
• 参考スコア（独自算出の注目度）: 16.67902664405201
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identification of lymph nodes (LN) in T2 Magnetic Resonance Imaging (MRI) is an important step performed by radiologists during the assessment of lymphoproliferative diseases. The size of the nodes play a crucial role in their staging, and radiologists sometimes use an additional contrast sequence such as diffusion weighted imaging (DWI) for confirmation. However, lymph nodes have diverse appearances in T2 MRI scans, making it tough to stage for metastasis. Furthermore, radiologists often miss smaller metastatic lymph nodes over the course of a busy day. To deal with these issues, we propose to use the DEtection TRansformer (DETR) network to localize suspicious metastatic lymph nodes for staging in challenging T2 MRI scans acquired by different scanners and exam protocols. False positives (FP) were reduced through a bounding box fusion technique, and a precision of 65.41\% and sensitivity of 91.66\% at 4 FP per image was achieved. To the best of our knowledge, our results improve upon the current state-of-the-art for lymph node detection in T2 MRI scans.
• Abstract（参考訳）: T2 Magnetic Resonance Imaging (MRI) におけるリンパ節の同定は, リンパ増殖疾患の評価において, 放射線技師が行う重要なステップである。 ノードのサイズはステージングにおいて重要な役割を担い、放射線学者は拡散強調画像(DWI)のような追加のコントラスト配列を用いることがある。 しかし、リンパ節はT2 MRIスキャンに多彩な外観を持ち、転移の進行が困難である。 さらに、放射線医は忙しい日により小さな転移性リンパ節を見逃すことが多い。 これらの問題に対処するために,detr( detection transformer)ネットワークを用いて疑わしい転移リンパ節を局在化し,異なるスキャナーと検査プロトコルで取得されたt2 mriスキャンに挑戦する。 偽陽性 (fp) は境界ボックス融合法で減少し, 精度65.41\%, 感度91.66\%で画像4fpで得られた。 私たちの知る限りでは,t2 mriスキャンにおけるリンパ節検出の現状を改善した。

関連論文リスト

• Implicit neural representation for free-breathing MR fingerprinting (INR-MRF): co-registered 3D whole-liver water T1, water T2, proton density fat fraction, and R2* mapping [13.625898586293502]
  INR-MRFは3D全肝T1,T2,R2*,PDFFマッピングを1回のフリーブレススキャンで可能とした。
  論文  参考訳（メタデータ） (2024-10-19T18:35:36Z)
• Decoding the human brain tissue response to radiofrequency excitation using a biophysical-model-free deep MRI on a chip framework [0.0]
  我々は、RF磁気信号の進化を捉え、励起による迅速な脳組織応答をデコードする視覚ベースのフレームワークを開発した。 チップ(DeepMonC)フレームワーク上のディープMRIは、幅広い病理組織においてヒト脳組織の分子組成を明らかにする可能性がある。
  論文  参考訳（メタデータ） (2024-08-15T18:39:33Z)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
  改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。 畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。 数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
  論文  参考訳（メタデータ） (2023-12-19T22:40:51Z)
• 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)
• SFUSNet: A Spatial-Frequency domain-based Multi-branch Network for diagnosis of Cervical Lymph Node Lesions in Ultrasound Images [0.2083256186573374]
  本研究の目的は,深層学習モデルを用いて超音波画像の頸部リンパ節病変を診断することである。 今回, 正常リンパ節, 良性リンパ節病変, 悪性原発リンパ節病変, 悪性転移リンパ節病変を含む3392例の頸部超音波検査を行った。 その結果、SFUSNetは最先端のモデルであり、92.89%の精度が得られることがわかった。
  論文  参考訳（メタデータ） (2023-08-31T13:54:57Z)
• Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI [3.427418283795734]
  本研究では,拡大した末梢血管空間(ePVS)の深部学習に基づく検出のためのMRI(MRI)の最適組み合わせを見出すことを目的とした。 我々は,ePVS検出に適応した有効軽量U-Netを実装し,SWI,FLAIR,T1-weighted (T1w) およびT2-weighted (T2w) MRIの様々な組み合わせについて検討した。 我々はT2w MRIがePVSの正確な検出に最も重要であり,SWI,FLAIR,FLAIRが組み込まれていると結論付けた。
  論文  参考訳（メタデータ） (2022-09-27T22:35:41Z)
• 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)
• Universal Lymph Node Detection in T2 MRI using Neural Networks [9.256201343701251]
  T2 Magnetic Resonance Imaging (MRI) における転移を疑う腹部リンパ節の同定は, 増殖性疾患の進行に重要である。 LN検出の以前の研究は、単一のMRスライスで身体の特定の解剖学的領域(骨盤、直腸)に限られていた。 本研究では,ニューラルネットワークを用いた容積T2MRIにおける腹部LNを普遍的に同定するCADパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-03-31T18:52:35Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)

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。