Fugu-MT 論文翻訳(概要): Implementation of Convolutional Neural Network Architecture on 3D Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis

論文の概要: Implementation of Convolutional Neural Network Architecture on 3D Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis

arxiv url: http://arxiv.org/abs/2112.14644v1
Date: Wed, 29 Dec 2021 16:47:52 GMT
ステータス: 処理完了
システム内更新日: 2021-12-30 17:13:44.605990
Title: Implementation of Convolutional Neural Network Architecture on 3D Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis
Title（参考訳）: 前立腺癌診断のための3次元マルチパラメトリックmriによる畳み込みニューラルネットワークアーキテクチャの実装
Authors: Ping-Chang Lin, Teodora Szasz, and Hakizumwami B. Runesha
Abstract要約: 磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Prostate cancer is one of the most common causes of cancer deaths in men. There is a growing demand for noninvasively and accurately diagnostic methods that facilitate the current standard prostate cancer risk assessment in clinical practice. Still, developing computer-aided classification tools in prostate cancer diagnostics from multiparametric magnetic resonance images continues to be a challenge. In this work, we propose a novel deep learning approach for automatic classification of prostate lesions in the corresponding magnetic resonance images by constructing a two-stage multimodal multi-stream convolutional neural network (CNN)-based architecture framework. Without implementing sophisticated image preprocessing steps or third-party software, our framework achieved the classification performance with the area under a Receiver Operating Characteristic (ROC) curve value of 0.87. The result outperformed most of the submitted methods and shared the highest value reported by the PROSTATEx Challenge organizer. Our proposed CNN-based framework reflects the potential of assisting medical image interpretation in prostate cancer and reducing unnecessary biopsies.
Abstract（参考訳）: 前立腺癌は、男性のがん死の最も一般的な原因の1つである。臨床における現在の標準前立腺がんリスクアセスメントを促進する非侵襲的かつ正確な診断方法に対する需要が高まっている。それでもマルチパラメトリック磁気共鳴画像からの前立腺がん診断におけるコンピュータ支援分類ツールの開発は課題である。本研究では,2段階のマルチストリーム畳み込みニューラルネットワーク(CNN)に基づくアーキテクチャ構築により,対応する磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。画像前処理ステップやサードパーティ製ソフトウェアを実装せずに,受信者動作特性(ROC)曲線値0.87の領域で分類性能を達成した。その結果、提案された手法のほとんどを上回り、ProSTATEX Challengeの主催者が報告した最も高い価値を共有した。前立腺癌における医用画像の解釈支援と不要な生検の削減の可能性を反映したcnnベースの枠組みを提案する。

関連論文リスト

Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
論文参考訳（メタデータ） (2024-11-07T12:48:27Z)
Towards Multi-modality Fusion and Prototype-based Feature Refinement for Clinically Significant Prostate Cancer Classification in Transrectal Ultrasound [4.662744612095781]
臨床的に有意な前立腺癌(csPCa)分類のための多モードTRUSを用いた新しい学習フレームワークを提案する。提案フレームワークは,Bモードとせん断波エラストグラフィ(SWE)から特徴を抽出するために,2つの別々の3D ResNet-50を用いている。このフレームワークの性能は512のTRUSビデオと生検で得られた前立腺癌からなる大規模データセットで評価される。
論文参考訳（メタデータ） (2024-06-20T07:45:01Z)
Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI [3.6852491526879687]
本研究では,ダイナミックコントラスト強調画像(DCE)とADCマップを用いた乳癌患者のpCR予測モデルを提案する。本手法は, 腫瘍関連領域からの特徴抽出を誘導するために放射線を利用した自己注意機構を備えたエンコーダを用いて, DCE MRI と ADC から特徴抽出を行う。
論文参考訳（メタデータ） (2024-06-05T04:49:55Z)
Convolutional neural network classification of cancer cytopathology images: taking breast cancer as an example [40.3927727959038]
本稿では,画像の高速分類に畳み込みニューラルネットワーク(CNN)を用いる手法を提案する。病理像を良性群と悪性群に迅速かつ自動分類することができる。本手法は乳がんの病理像の分類における精度を効果的に向上することを示す。
論文参考訳（メタデータ） (2024-04-12T07:08:05Z)
Multi-modality transrectal ultrasound video classification for identification of clinically significant prostate cancer [4.896561300855359]
臨床的に重要な前立腺癌(csPCa)のマルチモーダルTRUSビデオから分類するための枠組みを提案する。提案するフレームワークは,512本のTRUSビデオを含む社内データセットを用いて評価する。
論文参考訳（メタデータ） (2024-02-14T07:06:30Z)
Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文参考訳（メタデータ） (2023-11-30T15:11:03Z)
Intelligent Breast Cancer Diagnosis with Heuristic-assisted Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。悪性の腫瘤を正確に識別することは依然として困難ですマンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2023-10-30T10:22:14Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
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。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
論文参考訳（メタデータ） (2020-05-22T19:49:10Z)
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。