論文の概要: Image Registration of In Vivo Micro-Ultrasound and Ex Vivo Pseudo-Whole
Mount Histopathology Images of the Prostate: A Proof-of-Concept Study
- arxiv url: http://arxiv.org/abs/2305.19939v1
- Date: Wed, 31 May 2023 15:22:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-01 15:42:53.608242
- Title: Image Registration of In Vivo Micro-Ultrasound and Ex Vivo Pseudo-Whole
Mount Histopathology Images of the Prostate: A Proof-of-Concept Study
- Title（参考訳）: In Vivo Micro-UltrasoundとEx Vivo Pseudo-Whole Mount Histopathology Image of the Prestate: A Proof-Concept Study
- Authors: Muhammad Imran, Brianna Nguyen, Jake Pensa, Sara M. Falzarano, Anthony
E. Sisk, Muxua Liang, John Michael DiBianco, Li-Ming Su, Yuyin Zhou, Wayne G.
Brisbane, and Wei Shao
- Abstract要約: 前立腺癌の早期診断は、患者の5年生存率を大幅に改善させる。
マイクロUSの解釈は、がん対正常組織を示す微妙なグレースケールの変化のために困難である。
生体内マイクロUS画像と生体外全身病理像を登録するための半自動パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 7.323398943910078
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Early diagnosis of prostate cancer significantly improves a patient's 5-year
survival rate. Biopsy of small prostate cancers is improved with image-guided
biopsy. MRI-ultrasound fusion-guided biopsy is sensitive to smaller tumors but
is underutilized due to the high cost of MRI and fusion equipment.
Micro-ultrasound (micro-US), a novel high-resolution ultrasound technology,
provides a cost-effective alternative to MRI while delivering comparable
diagnostic accuracy. However, the interpretation of micro-US is challenging due
to subtle gray scale changes indicating cancer vs normal tissue. This challenge
can be addressed by training urologists with a large dataset of micro-US images
containing the ground truth cancer outlines. Such a dataset can be mapped from
surgical specimens (histopathology) onto micro-US images via image
registration. In this paper, we present a semi-automated pipeline for
registering in vivo micro-US images with ex vivo whole-mount histopathology
images. Our pipeline begins with the reconstruction of pseudo-whole-mount
histopathology images and a 3D micro-US volume. Each pseudo-whole-mount
histopathology image is then registered with the corresponding axial micro-US
slice using a two-stage approach that estimates an affine transformation
followed by a deformable transformation. We evaluated our registration pipeline
using micro-US and histopathology images from 18 patients who underwent radical
prostatectomy. The results showed a Dice coefficient of 0.94 and a landmark
error of 2.7 mm, indicating the accuracy of our registration pipeline. This
proof-of-concept study demonstrates the feasibility of accurately aligning
micro-US and histopathology images. To promote transparency and collaboration
in research, we will make our code and dataset publicly available.
- Abstract（参考訳）: 前立腺癌の早期診断は5年生存率を大幅に改善する。
前立腺癌の生検は画像誘導生検により改善される。
MRI-ultrasound fusion-guided biopsyはより小さな腫瘍に感受性があるが、MRIや核融合装置のコストが高いために利用されていない。
新しい高分解能超音波技術であるmicro-ultrasound (micro-US)はMRIに代わる費用対効果があり、診断精度は同等である。
しかし,癌組織と正常組織との微妙なグレースケールの変化から,マイクロusの解釈は困難である。
この課題は、基礎真理がんアウトラインを含むマイクロus画像の大規模なデータセットを尿器科医に訓練することで解決できる。
このようなデータセットは手術標本(病理組織学)から画像登録によってマイクロus画像にマッピングすることができる。
本稿では,生体内マイクロUS画像と生体外全身組織像を登録するための半自動パイプラインを提案する。
病理組織像と3D micro-US 容積の再構成から開始した。
次に、アフィン変換と変形可能な変換を推定する2段階のアプローチを用いて、各擬似マウント組織像を対応する軸方向のマイクロUSスライスに登録する。
前立腺急速切除を施行した18例のmicro-USおよび組織像を用いて登録パイプラインの評価を行った。
その結果、Dice係数は0.94、ランドマーク誤差は2.7mmとなり、登録パイプラインの精度が示された。
この概念実証研究は、マイクロusと病理組織像の正確な整合の実現可能性を示している。
研究における透明性とコラボレーションを促進するため、コードとデータセットを公開します。
関連論文リスト
- CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - BreastRegNet: A Deep Learning Framework for Registration of Breast
Faxitron and Histopathology Images [0.05454343470301196]
本研究では,モノモーダル合成画像対に基づいて学習した深層学習に基づく画像登録手法を提案する。
モデルは、ネオアジュバント化学療法を受け、手術を受けた50人の女性のデータを用いて訓練された。
論文 参考訳（メタデータ） (2024-01-18T08:23:29Z) - Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with
Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。
提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文 参考訳（メタデータ） (2023-10-31T16:39:56Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳（メタデータ） (2023-09-25T19:34:12Z) - FastMRI Prostate: A Publicly Available, Biparametric MRI Dataset to
Advance Machine Learning for Prostate Cancer Imaging [1.9619538084894699]
今回,2023年4月のfastMRIデータセットの拡張について述べる。
データセットは、T2重み付きおよび拡散重み付き配列のための生のk空間と再構成された画像と、前立腺癌の存在と程度を示すスライスレベルラベルから構成される。
論文 参考訳（メタデータ） (2023-04-18T19:34:28Z) - 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) - 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) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - 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。