論文の概要: Toward Automated Detection of Microbleeds with Anatomical Scale Localization: A Complete Clinical Diagnosis Support Using Deep Learning

• arxiv url: http://arxiv.org/abs/2306.13020v1
• Date: Thu, 22 Jun 2023 16:29:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-23 13:48:07.392485
• Title: Toward Automated Detection of Microbleeds with Anatomical Scale Localization: A Complete Clinical Diagnosis Support Using Deep Learning
• Title（参考訳）: 解剖学的計測によるマイクロブリードの自動検出に向けて : 深層学習による臨床診断支援
• Authors: Jun-Ho Kim, Young Noh, Haejoon Lee, Seul Lee, Woo-Ram Kim, Koung Mi Kang, Eung Yeop Kim, Mohammed A. Al-masni, Dong-Hyun Kim
• Abstract要約: 脳微小出血(CMBs)は、脳組織の小さな血液産物の慢性的な沈着物である。 本稿では,CMBを検出するだけでなく,解剖学的位置を知らせる新しい3次元ディープラーニング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）: 7.935250296491891
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cerebral Microbleeds (CMBs) are chronic deposits of small blood products in the brain tissues, which have explicit relation to various cerebrovascular diseases depending on their anatomical location, including cognitive decline, intracerebral hemorrhage, and cerebral infarction. However, manual detection of CMBs is a time-consuming and error-prone process because of their sparse and tiny structural properties. The detection of CMBs is commonly affected by the presence of many CMB mimics that cause a high false-positive rate (FPR), such as calcification and pial vessels. This paper proposes a novel 3D deep learning framework that does not only detect CMBs but also inform their anatomical location in the brain (i.e., lobar, deep, and infratentorial regions). For the CMB detection task, we propose a single end-to-end model by leveraging the U-Net as a backbone with Region Proposal Network (RPN). To significantly reduce the FPs within the same single model, we develop a new scheme, containing Feature Fusion Module (FFM) that detects small candidates utilizing contextual information and Hard Sample Prototype Learning (HSPL) that mines CMB mimics and generates additional loss term called concentration loss using Convolutional Prototype Learning (CPL). The anatomical localization task does not only tell to which region the CMBs belong but also eliminate some FPs from the detection task by utilizing anatomical information. The results show that the proposed RPN that utilizes the FFM and HSPL outperforms the vanilla RPN and achieves a sensitivity of 94.66% vs. 93.33% and an average number of false positives per subject (FPavg) of 0.86 vs. 14.73. Also, the anatomical localization task further improves the detection performance by reducing the FPavg to 0.56 while maintaining the sensitivity of 94.66%.
• Abstract（参考訳）: 脳微小血腫 (CMBs) は、脳組織の小さな血液産物の慢性的な堆積物であり、認知機能低下、脳内出血、脳梗塞などの解剖学的位置によって様々な脳血管疾患と明確な関係がある。 しかし,手動によるCMBの検出は,その粗さと微細な構造特性のため,時間と誤差の伴うプロセスである。 CMBの検出は、石灰化や真珠血管などの高い偽陽性率(FPR)を引き起こす多くのCMB模倣の存在によって、一般的に影響を受ける。 本稿では, cmbを検出するだけでなく, 脳の解剖学的位置(lobar, deep, infratentorial region)を知らせる, 新たな3次元深層学習フレームワークを提案する。 CMB検出タスクでは,地域提案ネットワーク(RPN)のバックボーンとしてU-Netを利用する単一エンドツーエンドモデルを提案する。 同じ単一モデル内でFPを著しく削減するために、コンテキスト情報を利用した小さな候補を検出するFeature Fusion Module(FFM)と、CMBをマイニングするHard Sample Prototype Learning(HSPL)を含む新たなスキームを開発し、畳み込み型学習(CPL)を用いた集中損失と呼ばれる損失項を生成する。 解剖学的局所化タスクは、CMBがどの領域に属しているかだけでなく、解剖学的情報を利用して検出タスクから一部のFPを除去する。 その結果、FFMおよびHSPLを用いたRPNは、バニラRPNよりも優れ、94.66%対93.33%、被験者あたりの平均偽陽性数(FPavg)は0.86対14.73であることがわかった。 また、解剖学的局所化タスクは、94.66%の感度を維持しながらFPavgを0.56に減らし、検出性能をさらに向上させる。

関連論文リスト

• FANCL: Feature-Guided Attention Network with Curriculum Learning for Brain Metastases Segmentation [5.922836741521003]
  ディープ畳み込みニューラルネットワーク(CNN)に基づく手法は,高いセグメンテーション性能を実現している。 畳み込みとプール操作によって重要な特徴情報が失われているため、CNNは小さなBMセグメンテーションにおいて大きな課題に直面している。 本稿では,カリキュラム学習を用いた特徴誘導型注目ネットワーク(FANCL)を提案する。
  論文  参考訳（メタデータ） (2024-10-29T14:08:39Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• White Matter Tracts are Point Clouds: Neuropsychological Score Prediction and Critical Region Localization via Geometric Deep Learning [68.5548609642999]
  ホワイトマタートラクトデータを用いた神経心理学的スコア予測のためのディープラーニングに基づくフレームワークを提案する。 各点の微細構造測定を行う点雲として, arcuate fasciculus (AF) を表現した。 Paired-Siamese Lossでは,連続した神経心理学的スコアの違いに関する情報を利用した予測性能を改善した。
  論文  参考訳（メタデータ） (2022-07-06T02:03:28Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• 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)
• Nested-block self-attention for robust radiotherapy planning segmentation [3.2541650155921142]
  深層畳み込みネットワークは、頭頸部(HN)臓器のリスクセグメンテーション(OAR)において広く研究されている。 定期的な臨床治療計画のためのそれらの使用は、イメージングアーティファクトへの堅牢性の欠如、CT上の低い軟組織コントラスト、および異常な解剖の存在によって制限される。 我々は,任意の畳み込みネットワークと組み合わせることができる計算効率の良いネストブロック自己アテンション法(NBSA)を開発した。
  論文  参考訳（メタデータ） (2021-02-26T15:28:47Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• DEEPMIR: A DEEP neural network for differential detection of cerebral Microbleeds and IRon deposits in MRI [3.0361336899303693]
  脳小血腫(CMB)と基底核の非出血鉄鉱床は脳老化、血管疾患、神経変性疾患と関連している。 我々は,CMBと鉄鉱床のセグメンテーションに適した深層学習に基づくセグメンテーション法を開発した。
  論文  参考訳（メタデータ） (2020-09-30T23:50:14Z)
• 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)

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。