論文の概要: X-ray Dissectography Improves Lung Nodule Detection

• arxiv url: http://arxiv.org/abs/2203.13118v1
• Date: Thu, 24 Mar 2022 15:18:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-25 14:59:48.852044
• Title: X-ray Dissectography Improves Lung Nodule Detection
• Title（参考訳）: X線による肺結節検出の改善
• Authors: Chuang Niu, Giridhar Dasegowda, Pingkun Yan, Mannudeep K. Kalra, Ge Wang
• Abstract要約: 数個のX線投影から肺をデジタル的に解剖するために「X線ディストモグラフィー」が用いられる。 協調検出ネットワークは、肺結節を2次元の離断射影と3次元の物理的空間に局在させるように設計されている。
• 参考スコア（独自算出の注目度）: 14.672019886848755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although radiographs are the most frequently used worldwide due to their cost-effectiveness and widespread accessibility, the structural superposition along the x-ray paths often renders suspicious or concerning lung nodules difficult to detect. In this study, we apply "X-ray dissectography" to dissect lungs digitally from a few radiographic projections, suppress the interference of irrelevant structures, and improve lung nodule detectability. For this purpose, a collaborative detection network is designed to localize lung nodules in 2D dissected projections and 3D physical space. Our experimental results show that our approach can significantly improve the average precision by 20+% in comparison with the common baseline that detects lung nodules from original projections using a popular detection network. Potentially, this approach could help re-design the current X-ray imaging protocols and workflows and improve the diagnostic performance of chest radiographs in lung diseases.
• Abstract（参考訳）: ラジオグラフは費用対効果と広範囲なアクセシビリティのために世界中で最も頻繁に使用されるが、X線経路に沿った構造上の重ね合わせは疑わしいか、肺結節の発見が困難である。 本研究では,X線ディストモグラフィーを用いて,いくつかの放射線照射から肺をデジタル的に検出し,無関係な構造の干渉を抑制するとともに,肺結節の検出性を向上させる。 この目的のために, 2次元射影と3次元物理空間に肺結節を局在化するために, 協調検出ネットワークが設計されている。 以上の結果から,本手法は肺結節を検出できる一般的な基準線に比べて, 平均精度を20以上向上させることができることが示唆された。 このアプローチは、現在のX線イメージングプロトコルとワークフローを再設計し、肺疾患における胸部X線撮影の診断性能を向上させる可能性がある。

関連論文リスト

• High-Fidelity 3D Lung CT Synthesis in ARDS Swine Models Using Score-Based 3D Residual Diffusion Models [13.79974752491887]
  急性呼吸不全症候群(ARDS)は、肺炎症と呼吸不全を特徴とする重症疾患であり、死亡率は約40%である。 胸部X線のような従来の画像撮影法は、肺病理の完全な評価において、その効果を制限し、2次元のビューのみを提供する。 本研究では, スコアベース3D残差拡散モデルを用いて2次元X線画像から高忠実度3D肺CTを合成する。
  論文  参考訳（メタデータ） (2024-09-26T18:22:34Z)
• Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
  本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。 ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2023-10-05T07:48:55Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Debiasing pipeline improves deep learning model generalization for X-ray based lung nodule detection [11.228544549618068]
  肺がんは世界中でがん死の主要な原因であり、予後は早期診断に依存している。 胸部X線像を均質化し,除染する画像前処理パイプラインは,内部分類と外部一般化の両方を改善することができることを示す。 進化的プルーニング機構は、一般に利用可能な肺結節X線データセットから最も情報性の高い画像に基づいて結節検出深層学習モデルを訓練するために用いられる。
  論文  参考訳（メタデータ） (2022-01-24T10:08:07Z)
• Unsupervised Detection of Lung Nodules in Chest Radiography Using Generative Adversarial Networks [0.0]
  放射線検査における肺結節の非教師的異常検出手法であるP-AnoGANの提案と評価を行った。 P-AnoGANは、プログレッシブGANと畳み込みエンコーダ-デコーダ-エンコーダパイプラインを利用して、高速な異常検出生成対向ネットワーク(f-AnoGAN)を変更する。 ROC-AUCは91.17%, 87.89%であった。
  論文  参考訳（メタデータ） (2021-08-04T18:24:18Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Pneumonia Detection on Chest X-ray using Radiomic Features and Contrastive Learning [26.031452674698787]
  胸部X線における肺炎の検出に放射線学的特徴と造影学習を活用した新しい枠組みを提案する。 rsna肺炎検出チャレンジデータセットの実験により,いくつかの最先端モデルに優れた結果が得られた。
  論文  参考訳（メタデータ） (2021-01-12T02:52:24Z)
• Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
  胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。 このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。 本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
  論文  参考訳（メタデータ） (2020-10-09T10:15:26Z)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)

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。