論文の概要: Improved Pancreatic Tumor Detection by Utilizing Clinically-Relevant Secondary Features

• arxiv url: http://arxiv.org/abs/2208.03581v1
• Date: Sat, 6 Aug 2022 20:38:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-09 12:39:49.374513
• Title: Improved Pancreatic Tumor Detection by Utilizing Clinically-Relevant Secondary Features
• Title（参考訳）: 臨床関連二次特徴を用いた膵腫瘍検出の改善
• Authors: Christiaan G.A. Viviers and Mark Ramaekers and Peter H.N. de With and Dimitrios Mavroeidis and Joost Nederend and Misha Luyer and Fons van der Sommen
• Abstract要約: 膵臓がんは、がん関連死亡の世界的な原因の1つである。 本稿では,周囲の解剖学的構造の臨床的特徴を利用した膵腫瘍の検出法を提案する。
• 参考スコア（独自算出の注目度）: 6.132193527180974
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pancreatic cancer is one of the global leading causes of cancer-related deaths. Despite the success of Deep Learning in computer-aided diagnosis and detection (CAD) methods, little attention has been paid to the detection of Pancreatic Cancer. We propose a method for detecting pancreatic tumor that utilizes clinically-relevant features in the surrounding anatomical structures, thereby better aiming to exploit the radiologist's knowledge compared to other, conventional deep learning approaches. To this end, we collect a new dataset consisting of 99 cases with pancreatic ductal adenocarcinoma (PDAC) and 97 control cases without any pancreatic tumor. Due to the growth pattern of pancreatic cancer, the tumor may not be always visible as a hypodense lesion, therefore experts refer to the visibility of secondary external features that may indicate the presence of the tumor. We propose a method based on a U-Net-like Deep CNN that exploits the following external secondary features: the pancreatic duct, common bile duct and the pancreas, along with a processed CT scan. Using these features, the model segments the pancreatic tumor if it is present. This segmentation for classification and localization approach achieves a performance of 99% sensitivity (one case missed) and 99% specificity, which realizes a 5% increase in sensitivity over the previous state-of-the-art method. The model additionally provides location information with reasonable accuracy and a shorter inference time compared to previous PDAC detection methods. These results offer a significant performance improvement and highlight the importance of incorporating the knowledge of the clinical expert when developing novel CAD methods.
• Abstract（参考訳）: 膵癌は、がん関連死亡の世界的な原因の1つである。 コンピュータ支援診断・診断法(CAD)におけるDeep Learningの成功にもかかわらず,膵癌検出にはほとんど注意が払われていない。 本報告では, 膵腫瘍の診断法として, 周囲解剖学的特徴を活用し, 放射線科医の知識を他の従来の深層学習法と比較して有効活用するための方法を提案する。 この目的のために膵管腺癌99例と膵腫瘍を伴わない97例からなる新しいデータセットを収集した。 膵癌の増殖パターンのため、腫瘍は常に低感覚病変として見られるわけではないため、専門家は腫瘍の存在を示す可能性のある二次的な外部特徴の視認性について言及している。 本稿では, 膵管, 総胆管, 膵臓の2次的特徴を利用するU-NetライクなDeep CNNとCTスキャンを併用した手法を提案する。 これらの特徴を用いて、モデルが膵腫瘍の存在を判断する。 この分類と局所化手法のセグメンテーションは、99%の感度(1件欠落)と99%の特異性を達成し、従来の最先端法に比べて5%の感度向上を実現する。 さらに、従来のPDAC検出法と比較して、適切な精度と推論時間の短い位置情報を提供する。 これらの結果は,新しいCAD手法の開発において,臨床専門家の知識を取り入れることの重要性を強調した。

関連論文リスト

• Early Detection and Localization of Pancreatic Cancer by Label-Free Tumor Synthesis [11.86190788916592]
  膵癌の早期発見と局所化は、患者の5年間の生存率を8.5%から20%に引き上げることができる。 トレーニングAIモデルには、多数の注釈付きサンプルが必要だが、早期の腫瘍を取得するCTスキャンが利用可能であることには制約がある。 手動のアノテーションを必要とせず, 膵内小膵腫瘍の膨大な例を合成できる腫瘍合成法を開発した。
  論文  参考訳（メタデータ） (2023-08-06T03:37:34Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• 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)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• AI-based Carcinoma Detection and Classification Using Histopathological Images: A Systematic Review [8.355946670746413]
  癌の亜型であり、全がん症例の80%以上を占める。 多くの研究者が癌の検出と分類を自動化する方法を報告している。 癌診断の自動化における人工知能の利用の増加は、ディープ・ネットワーク・モデルの使用の著しい増加を示している。
  論文  参考訳（メタデータ） (2022-01-18T12:03:09Z)
• 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)
• 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)
• 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)
• A Novel and Efficient Tumor Detection Framework for Pancreatic Cancer via CT Images [21.627818410241552]
  本稿では,新しい膵腫瘍検出フレームワークを提案する。 提案手法のコントリビューションは,Augmented Feature Pyramid Network,Self-Adaptive Feature Fusion,Dependencies Computation Moduleの3つのコンポーネントから構成される。 実験により,AUCの0.9455による検出において,他の最先端手法よりも優れた性能が得られた。
  論文  参考訳（メタデータ） (2020-02-11T15:48:22Z)
• 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。