論文の概要: Full-resolution Lung Nodule Segmentation from Chest X-ray Images using Residual Encoder-Decoder Networks

• arxiv url: http://arxiv.org/abs/2307.06547v1
• Date: Thu, 13 Jul 2023 04:05:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 15:59:35.317670
• Title: Full-resolution Lung Nodule Segmentation from Chest X-ray Images using Residual Encoder-Decoder Networks
• Title（参考訳）: 残留エンコーダデコーダネットワークを用いた胸部X線画像からの肺結節の完全分割
• Authors: Michael James Horry, Subrata Chakraborty, Biswajeet Pradhan, Manoranjan Paul, Jing Zhu, Prabal Datta Barua, U. Rajendra Acharya, Fang Chen, Jianlong Zhou
• Abstract要約: 肺癌はがん死の主要な原因であり、早期診断は陽性の予後と関連している。 コンピュータビジョンは、これまで人間の放射線学者を支援するために提案されてきた。 本研究では,効率的なエンコーダデコーダニューラルネットワークを用いた肺結節の局在解析を行った。
• 参考スコア（独自算出の注目度）: 21.724154440093216
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lung cancer is the leading cause of cancer death and early diagnosis is associated with a positive prognosis. Chest X-ray (CXR) provides an inexpensive imaging mode for lung cancer diagnosis. Suspicious nodules are difficult to distinguish from vascular and bone structures using CXR. Computer vision has previously been proposed to assist human radiologists in this task, however, leading studies use down-sampled images and computationally expensive methods with unproven generalization. Instead, this study localizes lung nodules using efficient encoder-decoder neural networks that process full resolution images to avoid any signal loss resulting from down-sampling. Encoder-decoder networks are trained and tested using the JSRT lung nodule dataset. The networks are used to localize lung nodules from an independent external CXR dataset. Sensitivity and false positive rates are measured using an automated framework to eliminate any observer subjectivity. These experiments allow for the determination of the optimal network depth, image resolution and pre-processing pipeline for generalized lung nodule localization. We find that nodule localization is influenced by subtlety, with more subtle nodules being detected in earlier training epochs. Therefore, we propose a novel self-ensemble model from three consecutive epochs centered on the validation optimum. This ensemble achieved a sensitivity of 85% in 10-fold internal testing with false positives of 8 per image. A sensitivity of 81% is achieved at a false positive rate of 6 following morphological false positive reduction. This result is comparable to more computationally complex systems based on linear and spatial filtering, but with a sub-second inference time that is faster than other methods. The proposed algorithm achieved excellent generalization results against an external dataset with sensitivity of 77% at a false positive rate of 7.6.
• Abstract（参考訳）: 肺癌はがん死の主要な原因であり、早期診断は陽性の予後と関連している。 胸部X線(CXR)は、肺癌の診断に安価なイメージングモードを提供する。 突発性結節はCXRを用いた血管および骨構造と区別が難しい。 コンピュータビジョンは、これまで人間の放射線学者を支援するために提案されてきたが、ダウンサンプル画像と計算コストのかかる一般化手法を用いて研究が進められている。 そこで本研究では,全解像度画像を処理する効率的なエンコーダデコーダニューラルネットワークを用いて肺結節を局在させ,ダウンサンプリングによる信号損失を回避する。 エンコーダ-デコーダネットワークは、jsrt lung noduleデータセットを使用してトレーニングされ、テストされる。 これらのネットワークは、独立した外部CXRデータセットから肺結節をローカライズするために使用される。 感度と偽陽性率は、観察者の主観性を排除するための自動化された枠組みを用いて測定される。 これらの実験により、肺結節局在の最適なネットワーク深さ、画像分解能、前処理パイプラインの決定が可能となった。 結節ローカライゼーションは, より微妙な結節が早期の訓練期において検出され, 微妙な影響を受けていることが判明した。 そこで本研究では,検証の最適性に着目した3つの連続した自己感覚モデルを提案する。 このアンサンブルは10倍の内部テストで85%の感度を達成し、画像当たり8倍の偽陽性を示した。 形態学的偽陽性率低下後の偽陽性率6で81%の感度を達成する。 この結果は、線形および空間フィルタリングに基づくより計算量的に複雑なシステムと同等であるが、他の方法よりも速い秒以下の推論時間を持つ。 提案アルゴリズムは77%の感度の外部データセットに対して7.6の偽陽性率で優れた一般化結果を得た。

関連論文リスト

• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• Generative AI: A Pix2pix-GAN-Based Machine Learning Approach for Robust and Efficient Lung Segmentation [0.7614628596146602]
  本研究では, Pix2pix Generative Adversarial Network (GAN) を用いて, CXR画像から肺の異常を抽出する深層学習フレームワークを開発した。 フレームワークの画像処理と拡張技術は、U-Netにインスパイアされたジェネレータ-ディスクリミネータアーキテクチャに適切に組み込まれている。
  論文  参考訳（メタデータ） (2024-12-14T13:12:09Z)
• Identification of lung nodules CT scan using YOLOv5 based on convolution neural network [0.0]
  本研究は, 肺に発生する結節を同定することを目的とした。 1段階検出器YOLOv5は280 CT SCANで訓練された。
  論文  参考訳（メタデータ） (2022-12-31T17:31:22Z)
• Deep Learning Neural Network for Lung Cancer Classification: Enhanced Optimization Function [28.201018420730332]
  本研究の目的は、畳み込みニューラルネットワークのプール層におけるマルチスペース画像を用いて、全体的な予測精度の向上と、処理時間を短縮することである。 提案手法は,畳み込みニューラルネットワークのプール層におけるマルチスペース画像を用いて,全体の精度を向上させるオートエンコーダシステムと肺がんの予測を行う。
  論文  参考訳（メタデータ） (2022-08-05T18:41:17Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Debiasing pipeline improves deep learning model generalization for X-ray based lung nodule detection [11.228544549618068]
  肺がんは世界中でがん死の主要な原因であり、予後は早期診断に依存している。 胸部X線像を均質化し,除染する画像前処理パイプラインは,内部分類と外部一般化の両方を改善することができることを示す。 進化的プルーニング機構は、一般に利用可能な肺結節X線データセットから最も情報性の高い画像に基づいて結節検出深層学習モデルを訓練するために用いられる。
  論文  参考訳（メタデータ） (2022-01-24T10:08:07Z)
• 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)
• Dual Skip Connections Minimize the False Positive Rate of Lung Nodule Detection in CT images [1.6058099298620425]
  本論文では,マルチスケール特徴写像を生成するU-Net構造におけるデュアルパスネットワークに基づくデュアルスキップ接続アップサンプリング手法を提案する。 以上の結果から,新しいアップサンプリング手法は,画像毎の4 FROCにおいて85.3%の感度で性能を向上できることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T15:19:59Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。