論文の概要: ProstAttention-Net: A deep attention model for prostate cancer segmentation by aggressiveness in MRI scans

• arxiv url: http://arxiv.org/abs/2211.13238v1
• Date: Wed, 23 Nov 2022 16:21:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 18:41:00.360226
• Title: ProstAttention-Net: A deep attention model for prostate cancer segmentation by aggressiveness in MRI scans
• Title（参考訳）: ProstAttention-Net:MRIにおけるアグレッシブネスによる前立腺癌セグメンテーションの深い注意モデル
• Authors: Audrey Duran (MYRIAD), Gaspard Dussert (MYRIAD), Olivier Rouvi\`ere, Tristan Jaouen, Pierre-Marc Jodoin, Carole Lartizien (MYRIAD)
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.964026843682986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiparametric magnetic resonance imaging (mp-MRI) has shown excellent results in the detection of prostate cancer (PCa). However, characterizing prostate lesions aggressiveness in mp-MRI sequences is impossible in clinical practice, and biopsy remains the reference to determine the Gleason score (GS). In this work, we propose a novel end-to-end multi-class network that jointly segments the prostate gland and cancer lesions with GS group grading. After encoding the information on a latent space, the network is separated in two branches: 1) the first branch performs prostate segmentation 2) the second branch uses this zonal prior as an attention gate for the detection and grading of prostate lesions. The model was trained and validated with a 5-fold cross-validation on an heterogeneous series of 219 MRI exams acquired on three different scanners prior prostatectomy. In the free-response receiver operating characteristics (FROC) analysis for clinically significant lesions (defined as GS > 6) detection, our model achieves 69.0% $\pm$14.5% sensitivity at 2.9 false positive per patient on the whole prostate and 70.8% $\pm$14.4% sensitivity at 1.5 false positive when considering the peripheral zone (PZ) only. Regarding the automatic GS group
• Abstract（参考訳）: multiparametric magnetic resonance imaging (mp-mri) は前立腺癌 (pca) の検出に優れた結果を示した。 しかし, 臨床では前立腺病変の特徴付けは不可能であり, 生検はGleason score (GS) の基準として残されている。 本研究は,前立腺と癌病変をGS群グレーディングと共同で分割する,新しいエンドツーエンドのマルチクラスネットワークを提案する。 潜伏空間上の情報を符号化した後、ネットワークは2つのブランチに分けられる。 1) 第一分枝は前立腺分枝を行う 2)第2枝は前立腺病変の検出・評価のための注意ゲートとして,この帯状体を用いている。 前立腺切除術前の3種類のスキャナーで取得した219種類のMRI検査で5倍のクロスバリデーションを施した。 臨床的に有意な病変(GS > 6)の検出に対するFROC解析では,前立腺全患者2.9偽陽性で69.0%$\pm$14.5%,周辺領域(PZ)のみを考慮した場合,70.8%$\pm$14.4%の偽陽性で69.0%$\pm$14.5%の感度が得られた。 自動GS群について

関連論文リスト

• 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)
• 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 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)
• Prostate Lesion Estimation using Prostate Masks from Biparametric MRI [0.0]
  マルチパラメトリック前立腺MRIの代替としてバイパラメトリックMRIが登場した。 前立腺癌(csPCA)の診断は困難である。 ディープラーニングアルゴリズムはコホート研究において、csPCAを検出する代替ソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-01-11T13:20:24Z)
• 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)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Deep Learning for fully automatic detection, segmentation, and Gleason Grade estimation of prostate cancer in multiparametric Magnetic Resonance Images [0.731365367571807]
  本稿では,PCa-suspect 患者から前立腺 mpMRI を抽出するDeep Learning に基づく完全自動システムを提案する。 PCaの病変を特定し、それらを分類し、最も可能性の高いGleason grade group(GGG)を予測する。 ProstateXトレーニングシステムのコードはhttps://github.com/OscarPellicer/prostate_lesion_detection.comで公開されている。
  論文  参考訳（メタデータ） (2021-03-23T16:08:43Z)
• A Cascaded Residual UNET for Fully Automated Segmentation of Prostate and Peripheral Zone in T2-weighted 3D Fast Spin Echo Images [1.6710577107094644]
  前立腺癌の非侵襲的診断には多パラメータMR画像が有効であることが示されている。 本研究では,前立腺と周辺領域のセグメンテーションのための残留ブロック,カスケードMRes-UNETを用いた完全自動深層学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-12-25T03:16:52Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)
• CorrSigNet: Learning CORRelated Prostate Cancer SIGnatures from Radiology and Pathology Images for Improved Computer Aided Diagnosis [1.63324350193061]
  我々はMRIで前立腺癌を局所化する2段階自動モデルであるCorrSigNetを提案する。 まず,病理組織学的特徴と相関するがんのMRI所見を学習する。 第二に、このモデルは、学習した相関MRI機能を使用して、前立腺がんの局所化のために畳み込みニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-07-31T23:44:25Z)
• 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。

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。