論文の概要: Multi-Contrast Computed Tomography Atlas of Healthy Pancreas
- arxiv url: http://arxiv.org/abs/2306.01853v1
- Date: Fri, 2 Jun 2023 18:16:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 23:40:23.537842
- Title: Multi-Contrast Computed Tomography Atlas of Healthy Pancreas
- Title（参考訳）: 健常膵のマルチコントラストctアトラス
- Authors: Yinchi Zhou, Ho Hin Lee, Yucheng Tang, Xin Yu, Qi Yang, Shunxing Bao,
Jeffrey M. Spraggins, Yuankai Huo, and Bennett A. Landman
- Abstract要約: 臓器特異的解析のための形態的変動に適応するためには,体積空間参照が必要である。
膵臓に特異的に最適化されたCTアトラスフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 20.701287373470425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the substantial diversity in population demographics, such as
differences in age and body composition, the volumetric morphology of pancreas
varies greatly, resulting in distinctive variations in shape and appearance.
Such variations increase the difficulty at generalizing population-wide
pancreas features. A volumetric spatial reference is needed to adapt the
morphological variability for organ-specific analysis. Here, we proposed a
high-resolution computed tomography (CT) atlas framework specifically optimized
for the pancreas organ across multi-contrast CT. We introduce a deep
learning-based pre-processing technique to extract the abdominal region of
interests (ROIs) and leverage a hierarchical registration pipeline to align the
pancreas anatomy across populations. Briefly, DEEDs affine and non-rigid
registration are performed to transfer patient abdominal volumes to a fixed
high-resolution atlas template. To generate and evaluate the pancreas atlas
template, multi-contrast modality CT scans of 443 subjects (without reported
history of pancreatic disease, age: 15-50 years old) are processed. Comparing
with different registration state-of-the-art tools, the combination of DEEDs
affine and non-rigid registration achieves the best performance for the
pancreas label transfer across all contrast phases. We further perform external
evaluation with another research cohort of 100 de-identified portal venous
scans with 13 organs labeled, having the best label transfer performance of
0.504 Dice score in unsupervised setting. The qualitative representation (e.g.,
average mapping) of each phase creates a clear boundary of pancreas and its
distinctive contrast appearance. The deformation surface renderings across
scales (e.g., small to large volume) further illustrate the generalizability of
the proposed atlas template.
- Abstract（参考訳）: 年齢や体組成の差異など、人口人口の実質的な多様性により、膵臓の体積形態は大きく変化し、形や外観の特異な差異が生じる。
このような変異は、人口全体にわたる膵臓の特徴を一般化することの難しさを増す。
臓器特異的解析のための形態的変動に適応するために,体積空間参照が必要である。
本稿では,マルチコントラストctを用いた膵臓臓器に最適化した高分解能ctアトラスフレームワークを提案する。
本稿では,腹部の関心領域(rois)を抽出し,階層的登録パイプラインを活用し,膵臓の組織構造を調整するための深層学習型前処理手法を提案する。
簡便に、患者腹容積を固定された高解像度アトラステンプレートに転送するために、DEEDアフィン及び非剛性登録を行う。
膵腺テンプレートを作成、評価するために、443名の被験者(膵疾患の既往歴がない15〜50歳)のマルチコントラストCTスキャンを処理した。
異なる登録状態のツールと比較すると、deeds affineとnon-rigid registrationの組み合わせは、すべてのコントラストフェーズにわたって、膵臓ラベル転送の最高のパフォーマンスを達成する。
我々はさらに、ラベル付き13の臓器を用いた100個の未同定門脈静脈スキャンの別の研究コホートを用いて外部評価を行い、教師なし環境で0.504Diceスコアのラベル転送性能が最高である。
各位相の定性表現(例えば平均写像)は、膵臓とその特徴的なコントラスト外観の明確な境界を形成する。
変形面のレンダリング(例えば、小から大容量)は、提案したアトラステンプレートの一般化性をさらに示している。
関連論文リスト
- Deep conditional generative models for longitudinal single-slice
abdominal computed tomography harmonization [21.125010099161774]
腹部CTで高解像度の組織像が得られた。
これらのスキャンによる体組成変化の経時的解析はスライスの位置変化により困難である。
腹部領域の任意の軸スライスを条件としてC-SliceGenを提案し,事前に定義された椎骨レベルスライスを生成する。
論文 参考訳（メタデータ） (2023-09-17T22:53:16Z) - Anatomy-informed Data Augmentation for Enhanced Prostate Cancer
Detection [1.6539563017720214]
本研究では,前立腺の生理的変形をシミュレートするために,隣接する臓器の情報を活用する新しい解剖情報変換法を提案する。
生検で確認した774検体を対象に, 増量の有効性を実証した。
論文 参考訳（メタデータ） (2023-09-07T11:46:59Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - 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) - Multi-phase Deformable Registration for Time-dependent Abdominal Organ
Variations [81.37460333873524]
腹部臓器運動を考慮した多相CTスキャンのための時間効率良く正確な変形性登録アルゴリズムを提案する。
実験の結果,腹部全領域で1分以内の膵の登録精度は 0.85 +/- 0.45mm (mean +/- std) であった。
論文 参考訳（メタデータ） (2021-03-08T15:43:23Z) - Multi-Contrast Computed Tomography Healthy Kidney Atlas [3.0066242826634415]
スケール全体の可変性を統合および視覚化するには、ボリュームメトリックアトラスフレームワークが必要です。
多発性コントラストCTには腹腔・後腹膜臓器のアラス・フレームワークは存在しない。
腹腔容積を高分解能CTアトラステンプレートに登録するために,深層学習に基づく興味抽出法と2段階階層自動登録パイプラインを導入する。
論文 参考訳（メタデータ） (2020-12-23T01:03:16Z) - Development and Characterization of a Chest CT Atlas [5.770017830153421]
肺がん検診プログラムの低用量CTデータベース上に構築した胸部腺腫について検討した。
空間マッピングを実現するため,胸腔全体に対して多段階間非剛性登録パイプラインを最適化する。
異なる解剖学的表現型に対する識別能力の観点から, 開発したアトラスの応用妥当性を評価した。
論文 参考訳（メタデータ） (2020-12-05T21:20:57Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Co-Heterogeneous and Adaptive Segmentation from Multi-Source and
Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion
Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。
本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。
CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文 参考訳（メタデータ） (2020-05-27T06:58:39Z) - 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。