論文の概要: Radiomic biomarker extracted from PI-RADS 3 patients support more
e\`icient and robust prostate cancer diagnosis: a multi-center study
- arxiv url: http://arxiv.org/abs/2112.13686v1
- Date: Thu, 23 Dec 2021 08:07:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-28 17:28:00.150265
- Title: Radiomic biomarker extracted from PI-RADS 3 patients support more
e\`icient and robust prostate cancer diagnosis: a multi-center study
- Title(参考訳): PI-RADS3患者から抽出した放射線バイオマーカーは, よりe\icientで堅牢な前立腺癌診断を支援する : 多施設共同研究
- Authors: Longfei Li, Rui Yang, Xin Chen, Cheng Li, Hairong Zheng, Yusong Lin,
Zaiyi Liu, Shanshan Wang
- Abstract要約: PI-RADS 3 患者が生検を受けるかどうかについては合意が得られていない。
本研究では, 希薄なデータ分布のバイオマーカーを構築した。
以上の結果から,HSバイオマーカーはディエーレントデータ分布においてより良い性能が得られることが示された。
- 参考スコア(独自算出の注目度): 15.587613176101227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prostate Imaging Reporting and Data System (PI-RADS) based on
multi-parametric MRI classi\^ees patients into 5 categories (PI-RADS 1-5) for
routine clinical diagnosis guidance. However, there is no consensus on whether
PI-RADS 3 patients should go through biopsies. Mining features from these hard
samples (HS) is meaningful for physicians to achieve accurate diagnoses.
Currently, the mining of HS biomarkers is insu\`icient, and the e\'eectiveness
and robustness of HS biomarkers for prostate cancer diagnosis have not been
explored. In this study, biomarkers from di\'eerent data distributions are
constructed. Results show that HS biomarkers can achieve better performances in
di\'eerent data distributions.
- Abstract(参考訳): 多パラメータMRI分類i\^eesをベースとした前立腺イメージングレポートとデータシステム(PI-RADS 1-5)を5カテゴリーに分け,臨床診断指導を行った。
しかし,PI-RADS 3患者が生検を施行すべきかどうかについては合意が得られていない。
これらのハードサンプル(HS)から抽出した特徴は、医師が正確な診断を行う上で有意義である。
現在, HSバイオマーカーのマイニングはinsu\icientであり, 前立腺癌診断におけるHSバイオマーカーのe'eectivenessとロバストネスは検討されていない。
本研究では,di'eerentデータ分布のバイオマーカーを構築した。
その結果、HSバイオマーカーはdi\'eerentデータ分散においてより良い性能が得られることが示された。
関連論文リスト
- Radiomics Boosts Deep Learning Model for IPMN Classification [3.4659499358648675]
膵管内乳頭粘液性腫瘍 (IPMN) の嚢胞は術前膵管病変であり,膵癌に進展する可能性がある。
本研究では,MRIスキャンからIPMNリスク分類のための新しいコンピュータ支援診断パイプラインを提案する。
論文 参考訳(メタデータ) (2023-09-11T22:41:52Z) - Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework
for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。
放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文 参考訳(メタデータ) (2023-08-27T22:07:42Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳(メタデータ) (2023-04-26T16:47:42Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - TRUSformer: Improving Prostate Cancer Detection from Micro-Ultrasound
Using Attention and Self-Supervision [7.503600085603685]
本研究の目的は,複数スケールのROIスケールと生検コアスケールのアプローチによるがん検出の改善である。
我々のモデルはROIスケールのみのモデルと比較して一貫した、実質的なパフォーマンス改善を示している。
論文 参考訳(メタデータ) (2023-03-03T18:12:46Z) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳(メタデータ) (2022-09-27T14:08:19Z) - BRACS: A Dataset for BReAst Carcinoma Subtyping in H&E Histology Images [4.974822167947921]
BReAst Carcinoma Subtyping dataset, a large cohort of annotated Hematoxylin & Eosin (H&E)-stained image to help the characterized of breast lesions。
BRACSには、WSIsから抽出された547個の全スライド画像(WSI)と4539個の関心領域(ROI)が含まれている。
論文 参考訳(メタデータ) (2021-11-08T15:04:16Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳(メタデータ) (2021-10-05T19:14:46Z) - Hierarchical Classification of Pulmonary Lesions: A Large-Scale
Radio-Pathomics Study [38.78350161086617]
CTによる肺病変の診断は重要であるが,肺癌関連疾患の臨床的判断には困難である。
深層学習は肺がんに対するコンピュータ支援診断 (CADx) 領域において大きな成功を収めているが, 放射線診断の困難さからラベルの曖昧さに悩まされている。
本研究は, 侵襲的病理解析が肺がん診断の黄金基準となっていることを考慮し, 大規模放射線病的データセットを用いてラベルあいまいさを解消する。
この振り返りデータセットはPentral-RadPathと呼ばれ、高精度なディープラーニングシステムの開発と検証により、非侵襲的な病理組織ラベルを予測できる。
論文 参考訳(メタデータ) (2020-10-08T15:14:34Z) - 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。