論文の概要: Early Detection and Localization of Pancreatic Cancer by Label-Free Tumor Synthesis

• arxiv url: http://arxiv.org/abs/2308.03008v1
• Date: Sun, 6 Aug 2023 03:37:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 17:21:02.979213
• Title: Early Detection and Localization of Pancreatic Cancer by Label-Free Tumor Synthesis
• Title（参考訳）: ラベルフリー腫瘍合成法による膵癌の早期発見と局在
• Authors: Bowen Li, Yu-Cheng Chou, Shuwen Sun, Hualin Qiao, Alan Yuille, Zongwei Zhou
• Abstract要約: 膵癌の早期発見と局所化は、患者の5年間の生存率を8.5%から20%に引き上げることができる。 トレーニングAIモデルには、多数の注釈付きサンプルが必要だが、早期の腫瘍を取得するCTスキャンが利用可能であることには制約がある。 手動のアノテーションを必要とせず, 膵内小膵腫瘍の膨大な例を合成できる腫瘍合成法を開発した。
• 参考スコア（独自算出の注目度）: 11.86190788916592
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early detection and localization of pancreatic cancer can increase the 5-year survival rate for patients from 8.5% to 20%. Artificial intelligence (AI) can potentially assist radiologists in detecting pancreatic tumors at an early stage. Training AI models require a vast number of annotated examples, but the availability of CT scans obtaining early-stage tumors is constrained. This is because early-stage tumors may not cause any symptoms, which can delay detection, and the tumors are relatively small and may be almost invisible to human eyes on CT scans. To address this issue, we develop a tumor synthesis method that can synthesize enormous examples of small pancreatic tumors in the healthy pancreas without the need for manual annotation. Our experiments demonstrate that the overall detection rate of pancreatic tumors, measured by Sensitivity and Specificity, achieved by AI trained on synthetic tumors is comparable to that of real tumors. More importantly, our method shows a much higher detection rate for small tumors. We further investigate the per-voxel segmentation performance of pancreatic tumors if AI is trained on a combination of CT scans with synthetic tumors and CT scans with annotated large tumors at an advanced stage. Finally, we show that synthetic tumors improve AI generalizability in tumor detection and localization when processing CT scans from different hospitals. Overall, our proposed tumor synthesis method has immense potential to improve the early detection of pancreatic cancer, leading to better patient outcomes.
• Abstract（参考訳）: 膵癌の早期発見と局所化は、患者の5年間の生存率を8.5%から20%に引き上げることができる。 人工知能(AI)は、早期に膵腫瘍を検出するために放射線技師を支援する可能性がある。 トレーニングAIモデルには、多数の注釈付きサンプルが必要だが、早期の腫瘍を取得するCTスキャンが利用可能であることには制約がある。 これは、早期の腫瘍はいかなる症状も起こさず、検出が遅れる可能性があり、腫瘍は比較的小さく、ctスキャンでは人間の目にほとんど見えないためである。 そこで本研究では,手動のアノテーションを必要とせず,膵内小膵腫瘍の膨大な例を合成できる腫瘍合成法を開発した。 以上の結果より, 膵腫瘍の総合的検出率は, 感性, 特異性によって測定され, 人工腫瘍で訓練されたAIによって達成された。 さらに,本法は小腫瘍の検出率が高いことが示唆された。 さらに,先進的な段階において,CTスキャンと合成腫瘍,CTスキャンと注釈大腫瘍を併用したAIを訓練した場合,膵腫瘍のボクセルごとのセグメンテーション性能について検討した。 最後に, 合成腫瘍は, 異なる病院のCTスキャン処理において, 腫瘍検出および局所化におけるAIの一般化性を向上することを示した。 総じて,提案する腫瘍合成法は膵癌の早期発見能を向上し,患者の予後を向上させる可能性がある。

関連論文リスト

• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• From Pixel to Cancer: Cellular Automata in Computed Tomography [12.524228287083888]
  腫瘍合成は、医療画像に人工腫瘍を作ろうとする。 本稿では腫瘍発生をシミュレートする汎用ルールのセットを確立する。 我々は,腫瘍状態をCT画像に統合し,異なる臓器にまたがる合成腫瘍を生成する。
  論文  参考訳（メタデータ） (2024-03-11T06:46:31Z)
• Towards Generalizable Tumor Synthesis [48.45704270448412]
  腫瘍合成は、医用画像における人工腫瘍の作成を可能にし、腫瘍の検出とセグメンテーションのためのAIモデルのトレーニングを容易にする。 本論文は, 臨界観察を生かして, 一般化可能な腫瘍合成に向けて進歩的な一歩を踏み出した。 私たちは、Diffusion Modelsのような生成AIモデルが、単一の臓器から限られた数の腫瘍例を訓練しても、様々な臓器に一般化された現実的な腫瘍を作成できることを確認した。
  論文  参考訳（メタデータ） (2024-02-29T18:57:39Z)
• Label-Free Liver Tumor Segmentation [10.851067782021902]
  我々は, 合成腫瘍をCTスキャンで使用することにより, 手動によるアノテーションを必要とせずに, 肝腫瘍を正確に分類できることを示した。 私たちの合成腫瘍には、現実的な形状とテクスチャという、2つの興味深い利点があります。 私たちの合成腫瘍は、小さな(あるいは小さな)合成腫瘍の多くの例を自動的に生成することができます。
  論文  参考訳（メタデータ） (2023-03-27T01:22:12Z)
• CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans [45.83431075462771]
  ヒトの読者や放射線医は、臨床実践において、全身多臓器多臓器の検出と診断を日常的に行う。 ほとんどの医療用AIシステムは、いくつかの疾患のリストの狭い単一の臓器に焦点を当てて構築されている。 CancerUniT は、マルチ腫瘍予測の出力を持つクエリベースの Mask Transformer モデルである。
  論文  参考訳（メタデータ） (2023-01-28T20:09:34Z)
• Synthetic Tumors Make AI Segment Tumors Better [10.851067782021902]
  我々は合成腫瘍を生成するための新しい戦略を開発した。 腫瘍は形やテクスチャがリアルで、医療従事者でも本物の腫瘍と混同できる。 私たちの合成腫瘍は、小さな腫瘍検出の成功率を向上させる可能性がある。
  論文  参考訳（メタデータ） (2022-10-26T16:45:19Z)
• 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)
• 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。