論文の概要: A deep local attention network for pre-operative lymph node metastasis
prediction in pancreatic cancer via multiphase CT imaging
- arxiv url: http://arxiv.org/abs/2301.01448v1
- Date: Wed, 4 Jan 2023 05:14:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 15:58:34.155166
- Title: A deep local attention network for pre-operative lymph node metastasis
prediction in pancreatic cancer via multiphase CT imaging
- Title（参考訳）: 多相CTによる膵癌術前リンパ節転移予測のための深部局所注意ネットワーク
- Authors: Zhilin Zheng, Xu Fang, Jiawen Yao, Mengmeng Zhu, Le Lu, Lingyun Huang,
Jing Xiao, Yu Shi, Hong Lu, Jianping Lu, Ling Zhang, Chengwei Shao, Yun Bian
- Abstract要約: そこで本研究では,LNの転移状況予測タスクを容易化するために,完全自動LNセグメンテーションと識別ネットワークを提案する。
関連臓器や血管から注意マップを誘導することにより,膵LN位置の解剖学的背景を解明する。
腫瘍領域から抽出したLNの分類・同定と深部画像特徴を併用したLN転移状況予測ネットワークを開発した。
- 参考スコア（独自算出の注目度）: 22.57399272278884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lymph node (LN) metastasis status is one of the most critical prognostic and
cancer staging factors for patients with resectable pancreatic ductal
adenocarcinoma (PDAC), or in general, for any types of solid malignant tumors.
Preoperative prediction of LN metastasis from non-invasive CT imaging is highly
desired, as it might be straightforwardly used to guide the following
neoadjuvant treatment decision and surgical planning. Most studies only capture
the tumor characteristics in CT imaging to implicitly infer LN metastasis and
very few work exploit direct LN's CT imaging information. To the best of our
knowledge, this is the first work to propose a fully-automated LN segmentation
and identification network to directly facilitate the LN metastasis status
prediction task. Nevertheless LN segmentation/detection is very challenging
since LN can be easily confused with other hard negative anatomic structures
(e.g., vessels) from radiological images. We explore the anatomical spatial
context priors of pancreatic LN locations by generating a guiding attention map
from related organs and vessels to assist segmentation and infer LN status. As
such, LN segmentation is impelled to focus on regions that are anatomically
adjacent or plausible with respect to the specific organs and vessels. The
metastasized LN identification network is trained to classify the segmented LN
instances into positives or negatives by reusing the segmentation network as a
pre-trained backbone and padding a new classification head. More importantly,
we develop a LN metastasis status prediction network that combines the
patient-wise aggregation results of LN segmentation/identification and deep
imaging features extracted from the tumor region. Extensive quantitative nested
five-fold cross-validation is conducted on a discovery dataset of 749 patients
with PDAC.
- Abstract（参考訳）: リンパ節転移は切除可能な膵管腺癌(pdac)、またはあらゆる種類の固形悪性腫瘍において最も重要な予後および癌ステージング因子の1つである。
非侵襲的ct画像からのln転移の術前予測は,下記の新随伴治療決定と手術計画の指導に簡便に使用できるため,非常に望まれている。
ほとんどの研究は、LN転移を暗黙的に推測するためにCT画像の腫瘍の特徴のみを捉えており、直接LNのCT画像情報を利用する研究はほとんどない。
我々の知る限りでは、LN転移状態予測タスクを直接促進する完全自動LN分割同定ネットワークを提案するのはこれが初めてである。
しかし、LNのセグメンテーション/検出は非常に困難であり、LNは他の硬い負の解剖学的構造(例えば、血管)とラジオグラフィー画像から容易に混同できる。
膵 ln 部位の解剖学的空間的文脈を, 関連臓器や血管からの注意図を作成し, 分節化を補助し, ln 状態の推測を行う。
したがって、LNセグメンテーションは、特定の臓器や血管に対して解剖学的に近接しているか、あるいは可塑性である領域に焦点を絞る。
転移したLN識別ネットワークは、セグメンテーションネットワークをトレーニング済みのバックボーンとして再利用し、新しい分類ヘッドをパディングすることにより、セグメンテーションされたLNインスタンスを正または負に分類するように訓練される。
さらに,腫瘍領域から抽出したln分割・同定と深部画像特徴の患者別集計結果を組み合わせたln転移状態予測ネットワークを構築した。
pdac患者749名を対象に, 広範囲な量的ネスト型5次元クロスバリデーションを行った。
関連論文リスト
- Anatomy-Aware Lymph Node Detection in Chest CT using Implicit Station
Stratification [26.37655039085294]
リンパ節 (LN) は体中に散在する小さな腺である。
異なる局におけるCT画像の出現とLNのコンテキストは, 自動検出の課題として大きく異なる。
駅情報を活用することでLN検出性能を向上させるための新しいエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-28T02:41:41Z) - A Weakly Supervised Segmentation Network Embedding Cross-scale Attention
Guidance and Noise-sensitive Constraint for Detecting Tertiary Lymphoid
Structures of Pancreatic Tumors [19.775101438245272]
膵病理像における3次リンパ構造(TLS)の存在は膵腫瘍の予後を示す重要な指標である。
数発の学習でTLSを検出するために,弱い教師付きセグメンテーションネットワークを提案する。
得られた2つのデータセットに対する実験結果から,提案手法はTLSの検出精度において,最先端のセグメンテーションに基づくアルゴリズムよりも有意に優れていることが示された。
論文 参考訳（メタデータ） (2023-07-27T03:25:09Z) - Live image-based neurosurgical guidance and roadmap generation using
unsupervised embedding [53.992124594124896]
本稿では,注釈付き脳外科ビデオの大規模なデータセットを活用するライブ画像のみのガイダンスを提案する。
生成されたロードマップは、トレーニングセットの手術で取られた一般的な解剖学的パスをエンコードする。
166例の腹腔鏡下腺摘出術を施行し,本法の有効性について検討した。
論文 参考訳（メタデータ） (2023-03-31T12:52:24Z) - Integrating features from lymph node stations for metastatic lymph node
detection [21.259023907494395]
近年のディープラーニングの進歩を活用して,転移性LNを自動的に検出することが望まれている。
転移性LN診断の際, 放射線科医に重要なレファレンスであるLN局の情報を活用するために, 追加の枝を導入する。
口腔扁平上皮癌(O SCC)患者114例のCT画像を含むデータセットを用いて本法の有効性を検証した。
論文 参考訳（メタデータ） (2023-01-09T08:35:58Z) - Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian
Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。
本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。
実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-06-30T13:04:42Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳（メタデータ） (2022-03-01T17:08:41Z) - DeepStationing: Thoracic Lymph Node Station Parsing in CT Scans using
Anatomical Context Encoding and Key Organ Auto-Search [13.642187665173427]
CTスキャンからのLymph node station (LNS) delineationは放射線腫瘍学のワークフローにおいて必須のステップである。
以前の研究は、事前に定義されたアドホックマージンに基づいてLSNを推測するために解剖学的先行を悪用していた。
解剖学的臓器を用いた深部空間的・文脈的解析問題として定式化する。
論文 参考訳（メタデータ） (2021-09-20T02:32:50Z) - Detecting Scatteredly-Distributed, Small, andCritically Important
Objects in 3D OncologyImaging via Decision Stratification [23.075722503902714]
本研究は腫瘍学的に重要なリンパ節(または不審な癌転移)の検出と分節に焦点を当てた。
我々はOSLNを腫瘍近位・腫瘍遠位分類に分割する分断型決定階層化手法を提案する。
局所的な3D画像パッチから得られた特徴と高次病変特性を組み合わせた新しいグローバルローカルネットワーク(GLNet)を提案する。
論文 参考訳（メタデータ） (2020-05-27T23:12:11Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z) - 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) - 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。