Fugu-MT 論文翻訳(概要): Comprehensive study of good model training for prostate segmentation in volumetric MRI

論文の概要: Comprehensive study of good model training for prostate segmentation in volumetric MRI

arxiv url: http://arxiv.org/abs/2208.13671v1
Date: Mon, 29 Aug 2022 15:14:48 GMT
ステータス: 処理完了
システム内更新日: 2022-08-30 13:33:23.600201
Title: Comprehensive study of good model training for prostate segmentation in volumetric MRI
Title（参考訳）: 容積MRIにおける前立腺セグメンテーションのための良いモデルトレーニングの総合的研究
Authors: Carlos N\'acher Collado
Abstract要約: 前立腺の予測課題に適応することで,いくつかの深層学習モデルを徹底的に研究する。私のアプローチはResNext101 3DエンコーダとUnet3Dデコーダをベースにしています。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Prostate cancer was the third most common cancer in 2020 internationally, coming after breast cancer and lung cancer. Furthermore, in recent years prostate cancer has shown an increasing trend. According to clinical experience, if this problem is detected and treated early, there can be a high chance of survival for the patient. One task that helps diagnose prostate cancer is prostate segmentation from magnetic resonance imaging. Manual segmentation performed by clinical experts has its drawbacks such as: the high time and concentration required from observers; and inter- and intra-observer variability. This is why in recent years automatic approaches to segment a prostate based on convolutional neural networks have emerged. Many of them have novel proposed architectures. In this paper I make an exhaustive study of several deep learning models by adjusting them to the task of prostate prediction. I do not use novel architectures, but focus my work more on how to train the networks. My approach is based on a ResNext101 3D encoder and a Unet3D decoder. I provide a study of the importance of resolutions in resampling data, something that no one else has done before.
Abstract（参考訳）: 前立腺癌は2020年に世界で3番目に多いがんであり、乳がんと肺がんに次いでいる。さらに近年,前立腺癌が増加傾向にある。臨床経験によると、この問題が早期に検出され治療された場合、患者の生存率が高い可能性がある。前立腺癌を診断する1つの課題は、MRIによる前立腺の分節化である。臨床専門家が行う手作業のセグメンテーションには、オブザーバが必要とする高い時間と集中度、オブザーバ間およびオブザーバ内変動性といった欠点がある。近年,畳み込みニューラルネットワークに基づく前立腺のセグメント化への自動アプローチが登場している。多くは新しく提案された建築である。本稿では,前立腺の予測課題に適応させることにより,いくつかの深層学習モデルを徹底的に研究する。私は新しいアーキテクチャを使っていませんが、ネットワークのトレーニングにもっと集中しています。私のアプローチはResNext101 3DエンコーダとUnet3Dデコーダをベースにしています。私は、データのリサンプリングにおける解像度の重要性について研究しています。

関連論文リスト

AI-based Automatic Segmentation of Prostate on Multi-modality Images: A Review [17.187976904150545]
前立腺癌患者の死亡率の低下には早期発見が不可欠である。前立腺のセグメンテーションは、画像と前立腺の複雑な組織構造に欠陥があるため困難である。最近の機械学習とデータマイニングツールは、画像セグメンテーションを含む様々な医療分野に統合されている。
論文参考訳（メタデータ） (2024-07-09T07:36:18Z)
Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
論文参考訳（メタデータ） (2024-05-13T15:57:27Z)
Classification of Prostate Cancer in 3D Magnetic Resonance Imaging Data based on Convolutional Neural Networks [0.0]
前立腺癌は、世界中の男性の間で一般的に診断されるがん性疾患である。 CNNは、MRIシークエンスに悪性病変が含まれているかどうかを確実に分類する能力に基づいて評価される。最高の結果はResNet3Dによって達成され、平均精度スコアは0.4583、AUC ROCスコアは0.6214となった。
論文参考訳（メタデータ） (2024-04-16T13:18:02Z)
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)
ANNCRIPS: Artificial Neural Networks for Cancer Research In Prediction & Survival [0.0]
本研究では,ニューラルネットワーク(ANN)を用いたインテリジェントな数学的モデルの開発と検証に焦点をあてる。このモデルの実装は、偽陽性の発生率を減らし、患者の結果を改善する有望な可能性を示す。長期的な目標は、このソリューションを様々なスクリーニングセンター、病院、研究機関に展開できるようにすることである。
論文参考訳（メタデータ） (2023-09-26T08:11:35Z)
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)
Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2022-09-13T07:10:14Z)
An Enhanced Deep Learning Technique for Prostate Cancer Identification Based on MRI Scans [0.0]
この目的に使用されるインセプションResNetV2ディープラーニングモデルの平均精度は89.20%である。提案手法の実験結果は,他の手法と比較して,有望かつ効果的な結果を示すものである。
論文参考訳（メタデータ） (2022-08-01T03:16:10Z)
Implementation of Convolutional Neural Network Architecture on 3D Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
論文参考訳（メタデータ） (2021-12-29T16:47:52Z)
Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
論文参考訳（メタデータ） (2021-12-23T14:51:45Z)
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。