論文の概要: Towards Confident Detection of Prostate Cancer using High Resolution Micro-ultrasound

• arxiv url: http://arxiv.org/abs/2207.10485v1
• Date: Thu, 21 Jul 2022 14:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-22 13:37:28.012383
• Title: Towards Confident Detection of Prostate Cancer using High Resolution Micro-ultrasound
• Title（参考訳）: 高分解能マイクロ超音波による前立腺癌の診断
• Authors: Mahdi Gilany, Paul Wilson, Amoon Jamzad, Fahimeh Fooladgar, Minh Nguyen Nhat To, Brian Wodlinger, Purang Abolmaesumi, Parvin Mousavi
• Abstract要約: 経直腸超音波ガイド下生検における前立腺癌の診断は困難である。 マイクロ超音波による高周波超音波イメージングの最近の進歩は、高分解能で組織イメージングの能力を劇的に高めている。 本研究の目的は,マイクロ超音波ガイド下前立腺癌生検を対象とする,堅牢な深層学習モデルの開発である。
• 参考スコア（独自算出の注目度）: 7.826781688190151
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MOTIVATION: Detection of prostate cancer during transrectal ultrasound-guided biopsy is challenging. The highly heterogeneous appearance of cancer, presence of ultrasound artefacts, and noise all contribute to these difficulties. Recent advancements in high-frequency ultrasound imaging - micro-ultrasound - have drastically increased the capability of tissue imaging at high resolution. Our aim is to investigate the development of a robust deep learning model specifically for micro-ultrasound-guided prostate cancer biopsy. For the model to be clinically adopted, a key challenge is to design a solution that can confidently identify the cancer, while learning from coarse histopathology measurements of biopsy samples that introduce weak labels. METHODS: We use a dataset of micro-ultrasound images acquired from 194 patients, who underwent prostate biopsy. We train a deep model using a co-teaching paradigm to handle noise in labels, together with an evidential deep learning method for uncertainty estimation. We evaluate the performance of our model using the clinically relevant metric of accuracy vs. confidence. RESULTS: Our model achieves a well-calibrated estimation of predictive uncertainty with area under the curve of 88$\%$. The use of co-teaching and evidential deep learning in combination yields significantly better uncertainty estimation than either alone. We also provide a detailed comparison against state-of-the-art in uncertainty estimation.
• Abstract（参考訳）: 動機:経直腸超音波ガイド生検による前立腺癌の検出が困難である。 非常に異質ながんの出現、超音波アーチファクトの存在、ノイズがこれらの困難に寄与する。 マイクロ超音波による高周波超音波イメージングの最近の進歩は、高分解能で組織イメージングの能力を劇的に高めている。 本研究の目的は, マイクロ超音波ガイド下前立腺癌生検のための堅牢な深層学習モデルの開発である。 モデルが臨床的に採用されるためには、弱いラベルを導入した生検サンプルの粗い病理組織学的測定から学びながら、癌を確実に識別できるソリューションを設計することが必要である。 方法: 前立腺生検を行った194例のマイクロ超音波画像のデータセットを用いた。 ラベルのノイズを扱うためのコティーチングパラダイムを用いた深層モデルと,不確実性推定のための明白な深層学習法を訓練する。 本モデルの性能を臨床的に関連のある指標と信頼性を用いて評価する。 結果: このモデルでは, 88$\%の曲線の下で, 予測の不確かさを正確に推定する。 組み合わせによるコティーチングと明らかな深層学習の併用は、単独よりもはるかに優れた不確実性推定をもたらす。 また,不確実性推定における最新技術との比較を行った。

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)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• ProsDectNet: Bridging the Gap in Prostate Cancer Detection via Transrectal B-mode Ultrasound Imaging [2.6024562346319167]
  ProsDectNetはBモード超音波で前立腺がんを局在させるマルチタスクディープラーニングアプローチである。 MRI-TRUS 融合生検を施行した289例のコホートを用いて, ProsDectNet の訓練と評価を行った。 以上の結果から,ProsDectNetはコンピュータ支援診断システムとして利用できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-12-08T19:40:35Z)
• 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)
• Self-Supervised Learning with Limited Labeled Data for Prostate Cancer Detection in High Frequency Ultrasound [7.387029659056081]
  非癌組織から癌を分類するために,マイクロ超音波データに自己教師あり表現学習を適用した。 我々の知る限りでは、超音波データを用いた前立腺がん検出のためのエンドツーエンドの自己教師付き学習アプローチとして、これが初めて成功した。
  論文  参考訳（メタデータ） (2022-11-01T15:28:15Z)
• Improving the diagnosis of breast cancer based on biophysical ultrasound features utilizing machine learning [0.0]
  乳がん検出のための生物物理学的特徴に基づく機械学習手法を提案する。 以上より, 乳腺病変のタイプとサイズは, 分類では98.0%, 操作特性曲線では0.98以上であった。
  論文  参考訳（メタデータ） (2022-07-13T23:53:09Z)
• Leveraging Uncertainty in Deep Learning for Pancreatic Adenocarcinoma Grading [0.0]
  膵癌は、他のがんと比較して最悪の予後の1つである。 膵腺癌を診断するための現在の手関節組織学的評価は時間を要するため,誤診が頻発することが多い。 デジタル病理学では、AIに基づくがんのグレーディングは予測と不確実性定量化において極めて正確でなければならない。
  論文  参考訳（メタデータ） (2022-06-15T19:53:06Z)
• 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)
• 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。