Fugu-MT 論文翻訳(概要): Multi-Task Lung Nodule Detection in Chest Radiographs with a Dual Head Network

論文の概要: Multi-Task Lung Nodule Detection in Chest Radiographs with a Dual Head Network

arxiv url: http://arxiv.org/abs/2207.03050v1
Date: Thu, 7 Jul 2022 02:29:34 GMT
ステータス: 処理完了
システム内更新日: 2022-07-08 15:04:17.708224
Title: Multi-Task Lung Nodule Detection in Chest Radiographs with a Dual Head Network
Title（参考訳）: デュアルヘッドネットワークを用いた胸部X線像のマルチタスク肺結節検出
Authors: Chen-Han Tsai, Yu-Shao Peng
Abstract要約: 肺結節は潜在的肺癌の前駆体となる可能性がある。胸部X線写真解析における結節検出の欠如は依然として一般的な課題である。胸部X線写真解析のためのマルチタスク肺結節検出アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.7614628596146599
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Lung nodules can be an alarming precursor to potential lung cancer. Missed nodule detections during chest radiograph analysis remains a common challenge among thoracic radiologists. In this work, we present a multi-task lung nodule detection algorithm for chest radiograph analysis. Unlike past approaches, our algorithm predicts a global-level label indicating nodule presence along with local-level labels predicting nodule locations using a Dual Head Network (DHN). We demonstrate the favorable nodule detection performance that our multi-task formulation yields in comparison to conventional methods. In addition, we introduce a novel Dual Head Augmentation (DHA) strategy tailored for DHN, and we demonstrate its significance in further enhancing global and local nodule predictions.
Abstract（参考訳）: 肺結節は潜在的肺癌の前駆体となる可能性がある。胸部X線撮影における結節検出の欠如は胸部X線検査医の間では多い課題である。本研究では胸部X線写真解析のためのマルチタスク肺結節検出アルゴリズムを提案する。過去の手法とは異なり,本アルゴリズムは,2重ヘッドネットワーク (dhn) を用いた粒度分布予測とともに,粒度の存在を示すグローバルレベルラベルを予測している。従来の手法と比較して,マルチタスクの定式化がもたらす良好な結節検出性能を示す。さらに,DHNに適した新しいDual Head Augmentation(DHA)戦略を導入し,その意義をグローバルおよびローカルな結節予測のさらなる強化に示している。

関連論文リスト

High-risk Factor Prediction in Lung Cancer Using Thin CT Scans: An Attention-Enhanced Graph Convolutional Network Approach [9.795111455349183]
肺がんは、特に進行期において、世界中で死因となっている。本研究は,術前CT画像に基づいて,I期肺癌に高リスク因子が存在するか否かを分類するために,Atention-Enhanced Graph Convolutional Network (AE-GCN)モデルを提案する。
論文参考訳（メタデータ） (2023-08-27T04:24:04Z)
SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
肺がんは世界中でがんの死因となっている。現在の肺結節検出法は通常ドメイン固有である。肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
論文参考訳（メタデータ） (2023-03-07T03:17:49Z)
Identification of lung nodules CT scan using YOLOv5 based on convolution neural network [0.0]
本研究は, 肺に発生する結節を同定することを目的とした。 1段階検出器YOLOv5は280 CT SCANで訓練された。
論文参考訳（メタデータ） (2022-12-31T17:31:22Z)
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)
X-ray Dissectography Improves Lung Nodule Detection [14.672019886848755]
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。
論文参考訳（メタデータ） (2022-03-24T15:18:57Z)
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)
Detection, growth quantification and malignancy prediction of pulmonary nodules using deep convolutional networks in follow-up CT scans [0.0]
パイプラインは、結節の検出から癌の分類まで完全に自動化された4つの段階で構成されています。このパイプラインは、近年の階層的確率的U-Netを用いて不確実性推定を報告した、結節成長検出のための新しいアプローチを統合した。肺がん結節分類のための第2の新しい手法が提案され,前訓練した結節悪性度ネットワークから推定される悪性度確率を2つのストリーム3D-CNNネットワークに統合した。
論文参考訳（メタデータ） (2021-03-26T15:41:37Z)
Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文参考訳（メタデータ） (2020-07-16T17:43:13Z)
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)
Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。