論文の概要: Prostate Cancer Malignancy Detection and localization from mpMRI using
auto-Deep Learning: One Step Closer to Clinical Utilization
- arxiv url: http://arxiv.org/abs/2206.06235v1
- Date: Mon, 13 Jun 2022 15:14:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 18:04:32.550422
- Title: Prostate Cancer Malignancy Detection and localization from mpMRI using
auto-Deep Learning: One Step Closer to Clinical Utilization
- Title（参考訳）: 自己深達度学習によるmpMRI前立腺癌の悪性度検出と局在:臨床応用への一歩
- Authors: Weiwei Zong and Eric Carver and Simeng Zhu and Eric Schaff and Daniel
Chapman and Joon Lee and Hassan Bagher Ebadian and Indrin Chetty and Benjamin
Movsas and Winston Wen and Tarik Alafif and Xiangyun Zong
- Abstract要約: 我々は201人の患者を対象に、パブリックコホートで独自の畳み込みニューラルネットワークを訓練した。
末梢領域 (PZ) と中心腺 (CG) を個別に訓練し, 試験を行った。
PZ検出器とCG検出器は、配列から最も疑わしいスライスをハイライトするために効果的に実証された。
- 参考スコア（独自算出の注目度）: 1.10631624467393
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Automatic diagnosis of malignant prostate cancer patients from mpMRI has been
studied heavily in the past years. Model interpretation and domain drift have
been the main road blocks for clinical utilization. As an extension from our
previous work where we trained a customized convolutional neural network on a
public cohort with 201 patients and the cropped 2D patches around the region of
interest were used as the input, the cropped 2.5D slices of the prostate glands
were used as the input, and the optimal model were searched in the model space
using autoKeras. Something different was peripheral zone (PZ) and central gland
(CG) were trained and tested separately, the PZ detector and CG detector were
demonstrated effectively in highlighting the most suspicious slices out of a
sequence, hopefully to greatly ease the workload for the physicians.
- Abstract（参考訳）: mpMRIによる前立腺悪性腫瘍の診断は,ここ数年で大きく研究されている。
モデル解釈とドメインドリフトが臨床利用の主要な道路ブロックとなっている。
対象は,201名の患者とのコホートでカスタマイズされた畳み込みニューラルネットワークを訓練し,関心領域周辺の2dパッチをカットして入力として,前立腺の2.5dスライスを入力とし,モデル空間においてオートケラを用いて最適なモデル検索を行った。
末梢領域(PZ)と中心腺(CG)を別々に訓練し,PZ検出器とCG検出器は, 医師の作業負荷を大幅に軽減するために, 配列から最も疑わしいスライスをハイライトするために効果的に実証された。
関連論文リスト
- 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) - 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) - ProstAttention-Net: A deep attention model for prostate cancer
segmentation by aggressiveness in MRI scans [4.964026843682986]
本稿では,前立腺と癌病変をGleason score (GS) group gradingと共同で分割する,新しいエンドツーエンドのマルチクラスネットワークを提案する。
前立腺全体の2.9偽陽性では69.0%$pm$14.5%、末梢領域(PZ)のみを考慮すると1.5偽陽性では70.8%$pm$14.4%である。
論文 参考訳（メタデータ） (2022-11-23T16:21:21Z) - 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) - Prostate Lesion Detection and Salient Feature Assessment Using
Zone-Based Classifiers [0.0]
マルチパラメトリックMRI(Multi-parametric magnetic resonance imaging)は前立腺癌の病変の検出において役割を担っている。
これらのスキャンを解釈する医療専門家は、コンピュータ支援検出システムを用いることで、ヒューマンエラーのリスクを低減することが重要である。
本稿では,各前立腺領域に最適な機械学習分類器について検討する。
論文 参考訳（メタデータ） (2022-08-24T13:08:56Z) - Comparison of automatic prostate zones segmentation models in MRI images
using U-net-like architectures [0.9786690381850356]
前立腺がんは世界で6番目に大きな死因である。
現在、腫瘍組織を含む関心領域(ROI)のセグメンテーションを専門医が手動で行う。
いくつかの研究は、磁気共鳴画像からROIの特徴を自動的に区分けし抽出するという課題に取り組んできた。
この研究で、6つのディープラーニングモデルを訓練し、ディジョン中央病院とカタルーニャ大学ポリテシカ校から取得したMRI画像のデータセットを用いて分析した。
論文 参考訳（メタデータ） (2022-07-19T18:00:41Z) - Fully Automatic Deep Learning Framework for Pancreatic Ductal
Adenocarcinoma Detection on Computed Tomography [0.0]
早期発見は膵管腺癌(PDAC)の予後を改善する
現在のモデルでは、小さな(2cm)病変の特定に失敗している。
深層学習モデルを用いてPDAC検出のための自動フレームワークを開発した。
論文 参考訳（メタデータ） (2021-11-30T13:59:46Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z) - 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) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。