論文の概要: Meta-information-aware Dual-path Transformer for Differential Diagnosis
of Multi-type Pancreatic Lesions in Multi-phase CT
- arxiv url: http://arxiv.org/abs/2303.00942v1
- Date: Thu, 2 Mar 2023 03:34:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 16:09:33.860292
- Title: Meta-information-aware Dual-path Transformer for Differential Diagnosis
of Multi-type Pancreatic Lesions in Multi-phase CT
- Title（参考訳）: 多相CTにおける多型膵病変の鑑別診断のためのメタ情報対応デュアルパストランス
- Authors: Bo Zhou, Yingda Xia, Jiawen Yao, Le Lu, Jingren Zhou, Chi Liu, James
S. Duncan, Ling Zhang
- Abstract要約: 膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。
提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。
以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 41.199716328468895
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pancreatic cancer is one of the leading causes of cancer-related death.
Accurate detection, segmentation, and differential diagnosis of the full
taxonomy of pancreatic lesions, i.e., normal, seven major types of lesions, and
other lesions, is critical to aid the clinical decision-making of patient
management and treatment. However, existing works focus on segmentation and
classification for very specific lesion types (PDAC) or groups. Moreover, none
of the previous work considers using lesion prevalence-related non-imaging
patient information to assist the differential diagnosis. To this end, we
develop a meta-information-aware dual-path transformer and exploit the
feasibility of classification and segmentation of the full taxonomy of
pancreatic lesions. Specifically, the proposed method consists of a CNN-based
segmentation path (S-path) and a transformer-based classification path
(C-path). The S-path focuses on initial feature extraction by semantic
segmentation using a UNet-based network. The C-path utilizes both the extracted
features and meta-information for patient-level classification based on stacks
of dual-path transformer blocks that enhance the modeling of global contextual
information. A large-scale multi-phase CT dataset of 3,096 patients with
pathology-confirmed pancreatic lesion class labels, voxel-wise manual
annotations of lesions from radiologists, and patient meta-information, was
collected for training and evaluations. Our results show that our method can
enable accurate classification and segmentation of the full taxonomy of
pancreatic lesions, approaching the accuracy of the radiologist's report and
significantly outperforming previous baselines. Results also show that adding
the common meta-information, i.e., gender and age, can boost the model's
performance, thus demonstrating the importance of meta-information for aiding
pancreatic disease diagnosis.
- Abstract（参考訳）: 膵癌は、がん関連の死因の1つである。
膵病変の完全な分類、すなわち7つの主要な病変、その他の病変の正確な検出、分節化および鑑別診断は、患者の管理と治療の臨床的意思決定を助けるために重要である。
しかし、既存の研究は、非常に特異的な病変タイプ(PDAC)またはグループに対するセグメンテーションと分類に焦点を当てている。
また, 病変の有病率関連非画像化情報を用いた鑑別診断は行われていない。
この目的のために,メタインフォメーション対応デュアルパストランスフォーマーを開発し,膵病変の完全な分類と分類の可能性を活用した。
具体的には,CNNに基づくセグメンテーションパス(Sパス)とトランスフォーマーに基づく分類パス(Cパス)から構成される。
SパスはUNetベースのネットワークを用いたセマンティックセグメンテーションによる初期特徴抽出に焦点を当てている。
Cパスは抽出した特徴とメタ情報の両方を利用して、グローバルな文脈情報のモデリングを強化するデュアルパストランスフォーマーブロックのスタックに基づいて患者レベルの分類を行う。
病理診断された膵病変クラスラベル3,096例,放射線科医の病変のvoxel-wiseマニュアルアノテーション,メタ情報の大規模多相ctデータセットを訓練および評価のために収集した。
以上の結果から,本手法は膵病変の完全分類の正確な分類とセグメンテーションを可能にし,放射線技師の報告の正確性に近づき,従来よりも有意に優れていることが示唆された。
また、共通のメタ情報(性別や年齢など)を加えることで、モデルの性能が向上し、膵疾患の診断に役立つメタ情報の重要性が示された。
関連論文リスト
- An Attention Based Pipeline for Identifying Pre-Cancer Lesions in Head and Neck Clinical Images [1.0957311485487375]
頭頸部癌は外科生検後に専門病院で診断されるが、診断が遅れる可能性がある。
疑わしい病変,分節を同定し,非異形成性,異形成性,癌性病変に分類するアテンションベースパイプラインを提案する。
論文 参考訳（メタデータ） (2024-05-03T09:02:17Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - 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) - SeATrans: Learning Segmentation-Assisted diagnosis model via Transforme [13.63128987400635]
本稿では,視覚支援型診断変換器(SeATrans)を提案する。
まず、各低レベル診断特徴とマルチスケールセグメンテーション特徴とを相関させる非対称なマルチスケールインタラクション戦略を提案する。
セグメンテーション-診断相互作用をモデル化するために、SeAブロックはまず、エンコーダを介してセグメンテーション情報に基づいて診断特徴を埋め込み、デコーダによりその埋め込みを診断特徴空間に戻す。
論文 参考訳（メタデータ） (2022-06-12T15:10:33Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - A Precision Diagnostic Framework of Renal Cell Carcinoma on Whole-Slide
Images using Deep Learning [4.823436898659051]
深層畳み込みニューラルネットワーク(InceptionV3)は、The Cancer Genome Atlasの高品質な注釈付きデータセットに基づいて訓練された。
我々の枠組みは、がん領域の検出や、どのがんタイプにも適用可能なサブタイプやグレードの分類において、病理学者に役立てることができる。
論文 参考訳（メタデータ） (2021-10-26T12:53:25Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Self-transfer learning via patches: A prostate cancer triage approach
based on bi-parametric MRI [1.3934382972253603]
前立腺癌(PCa)は世界で2番目に多いがんである。
現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。
臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
論文 参考訳（メタデータ） (2021-07-22T17:02:38Z) - Deeply supervised UNet for semantic segmentation to assist
dermatopathological assessment of Basal Cell Carcinoma (BCC) [2.031570465477242]
unetアーキテクチャに基づく複数のモデルを用いた意味セグメンテーションによる基底細胞癌(bcc)の検出に焦点を当てた。
unetネットワークの最初の2つの異なるエンコーダと2つの追加のトレーニング戦略を分析した。
最高のモデルは、テストセット上の96%、精度、感度、および特異性を達成します。
論文 参考訳（メタデータ） (2021-03-05T15:39:55Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z)
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。