論文の概要: Z-SSMNet: A Zonal-aware Self-Supervised Mesh Network for Prostate Cancer
Detection and Diagnosis in bpMRI
- arxiv url: http://arxiv.org/abs/2212.05808v1
- Date: Mon, 12 Dec 2022 10:08:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 17:58:49.892251
- Title: Z-SSMNet: A Zonal-aware Self-Supervised Mesh Network for Prostate Cancer
Detection and Diagnosis in bpMRI
- Title(参考訳): Z-SSMNet:bpMRIにおける前立腺癌の検出と診断のためのゾナル・アウェア・セルフスーパービジョンメッシュネットワーク
- Authors: Yuan Yuan, Euijoon Ahn, Dagan Feng, Mohamad Khadra, Jinman Kim
- Abstract要約: 前立腺癌(PCa)は、男性において最も多いがんの1つであり、世界中の多くの人々が臨床的に重要なPCa(csa)によって死亡した。
バイパラメトリックMRI(bpMRI)におけるcsPCaの早期診断はPCaの精度向上に寄与する。
既存の最先端のAIアルゴリズムは、しばしば3Dボリューム画像のスライス間相関を捉えない2D画像に制限される。
複数2D, 2.5D, 3D CNNを適応的に融合するZ-SSMNetを提案する。
- 参考スコア(独自算出の注目度): 16.950834401030093
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prostate cancer (PCa) is one of the most prevalent cancers in men and many
people around the world die from clinically significant PCa (csPCa). Early
diagnosis of csPCa in bi-parametric MRI (bpMRI), which is non-invasive,
cost-effective, and more efficient compared to multiparametric MRI (mpMRI), can
contribute to precision care for PCa. The rapid rise in artificial intelligence
(AI) algorithms are enabling unprecedented improvements in providing decision
support systems that can aid in csPCa diagnosis and understanding. However,
existing state of the art AI algorithms which are based on deep learning
technology are often limited to 2D images that fails to capture inter-slice
correlations in 3D volumetric images. The use of 3D convolutional neural
networks (CNNs) partly overcomes this limitation, but it does not adapt to the
anisotropy of images, resulting in sub-optimal semantic representation and poor
generalization. Furthermore, due to the limitation of the amount of labelled
data of bpMRI and the difficulty of labelling, existing CNNs are built on
relatively small datasets, leading to a poor performance. To address the
limitations identified above, we propose a new Zonal-aware Self-supervised Mesh
Network (Z-SSMNet) that adaptatively fuses multiple 2D, 2.5D and 3D CNNs to
effectively balance representation for sparse inter-slice information and dense
intra-slice information in bpMRI. A self-supervised learning (SSL) technique is
further introduced to pre-train our network using unlabelled data to learn the
generalizable image features. Furthermore, we constrained our network to
understand the zonal specific domain knowledge to improve the diagnosis
precision of csPCa. Experiments on the PI-CAI Challenge dataset demonstrate our
proposed method achieves better performance for csPCa detection and diagnosis
in bpMRI.
- Abstract(参考訳): 前立腺癌(PCa)は、男性において最も多いがんの1つであり、世界中の多くの人々が臨床的に重要なPCa(csPCa)によって死亡した。
マルチパラメトリックMRI (mpMRI) と比較して非侵襲的, 費用対効果が高く, より効率的であるbi-parametric MRI (bpMRI) におけるcsPCaの早期診断はPCaの精度向上に寄与する。
人工知能(AI)アルゴリズムの急速な増加は、csPCaの診断と理解に役立つ意思決定支援システムの提供において、前例のない改善を可能にしている。
しかし、ディープラーニング技術に基づくAIアルゴリズムの既存の状態は、しばしば3Dボリューム画像のスライス間相関を捉えるのに失敗する2D画像に制限される。
3D畳み込みニューラルネットワーク(CNN)の使用は、この制限を部分的に克服するが、画像の異方性に適応しないため、準最適セマンティック表現や一般化が不足する。
さらに、bpMRIのラベル付きデータの量制限とラベル付けの難しさにより、既存のCNNは比較的小さなデータセット上に構築されており、性能が劣っている。
上記の制約に対処するため,複数2D,2.5D,3DのCNNを適応的に融合させてbpMRIにおけるスパース・インタースライス情報と高密度スライス情報の表現を効果的にバランスさせる,Z-SSMNetを提案する。
自己教師付き学習(ssl)技術がさらに導入され,非ラベルデータを用いてネットワークを事前学習し,一般化可能な画像特徴を学習する。
さらに,cspcaの診断精度を向上させるために,動物特異的ドメイン知識の理解にネットワークを制約した。
pi-caiチャレンジデータセットの実験により、bpmriにおけるcspca検出および診断の性能が向上することを示す。
関連論文リスト
- Enhancing Prostate Cancer Diagnosis with Deep Learning: A Study using
mpMRI Segmentation and Classification [0.0]
前立腺癌(PCa)は世界中の男性の間で重篤な疾患である。早期にPCaを同定し,有効治療のための正確な診断を行うことが重要である。
深層学習(DL)モデルは、医師の関心領域を特定することで、既存の臨床システムを強化し、患者のケアを改善することができる。
本研究は, mpMRI画像の分類とセグメンテーションによく知られたDLモデルを用いてPCaを検出する。
論文 参考訳(メタデータ) (2023-10-09T03:00:15Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - PCRLv2: A Unified Visual Information Preservation Framework for
Self-supervised Pre-training in Medical Image Analysis [56.63327669853693]
本稿では,ピクセルレベルの情報を高レベルなセマンティクスに明示的にエンコードするための画素復元タスクを提案する。
また,画像理解を支援する強力なツールであるスケール情報の保存についても検討する。
提案されている統合SSLフレームワークは、さまざまなタスクで自己管理されたフレームワークを超越している。
論文 参考訳(メタデータ) (2023-01-02T17:47:27Z) - Slice-level Detection of Intracranial Hemorrhage on CT Using Deep
Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。
我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。
提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文 参考訳(メタデータ) (2022-08-05T23:20:37Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-12-23T15:52:37Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳(メタデータ) (2021-05-17T15:43:59Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。
提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
論文 参考訳(メタデータ) (2020-10-01T18:56:46Z) - An Explainable 3D Residual Self-Attention Deep Neural Network FOR Joint
Atrophy Localization and Alzheimer's Disease Diagnosis using Structural MRI [22.34325971680329]
我々は,3D Residual Attention Deep Neural Network(3D ResAttNet)を導入し,SMRIスキャンによるエンドツーエンド学習によるアルツハイマー病早期診断のためのコンピュータ支援手法を提案する。
実験結果から,提案手法は精度と一般化性の観点から,最先端モデルに対して競争上の優位性があることが示唆された。
論文 参考訳(メタデータ) (2020-08-10T11:08:55Z)
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。