論文の概要: Decoupled conditional contrastive learning with variable metadata for prostate lesion detection

• arxiv url: http://arxiv.org/abs/2308.09542v1
• Date: Fri, 18 Aug 2023 13:19:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 13:08:53.057343
• Title: Decoupled conditional contrastive learning with variable metadata for prostate lesion detection
• Title（参考訳）: 前立腺病変検出のための可変メタデータを用いた条件付きコントラスト学習
• Authors: Camille Ruppli, Pietro Gori, Roberto Ardon, Isabelle Bloch
• Abstract要約: 前立腺イメージング報告・データシステム(PI-RADS)は、病変悪性度スコアを定義して、前立腺MRIの標準化された解釈を行う。 PI-RADSデータは、ラジオロジーレポートから容易に入手できるが、レポート間のばらつきが高い。 サンプル毎に複数のアノテータを持つ弱いメタデータを利用する新しいコントラスト損失関数を提案する。 公開PI-CAIチャレンジデータセットでは,AUCが3%増加し病変検出が可能となった。
• 参考スコア（独自算出の注目度）: 4.321953936591766
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Early diagnosis of prostate cancer is crucial for efficient treatment. Multi-parametric Magnetic Resonance Images (mp-MRI) are widely used for lesion detection. The Prostate Imaging Reporting and Data System (PI-RADS) has standardized interpretation of prostate MRI by defining a score for lesion malignancy. PI-RADS data is readily available from radiology reports but is subject to high inter-reports variability. We propose a new contrastive loss function that leverages weak metadata with multiple annotators per sample and takes advantage of inter-reports variability by defining metadata confidence. By combining metadata of varying confidence with unannotated data into a single conditional contrastive loss function, we report a 3% AUC increase on lesion detection on the public PI-CAI challenge dataset. Code is available at: https://github.com/camilleruppli/decoupled_ccl
• Abstract（参考訳）: 前立腺癌の早期診断は効率的な治療に不可欠である。 多パラメータ磁気共鳴画像(mp-MRI)は病変検出に広く用いられている。 前立腺イメージング報告・データシステム(PI-RADS)は、病変悪性度スコアを定義して、前立腺MRIの標準化された解釈を行う。 PI-RADSデータは、ラジオロジーレポートから容易に入手できるが、レポート間のばらつきが高い。 本稿では,サンプル毎に複数の注釈子を持つ弱いメタデータを活用し,メタデータの信頼度を定義することでレポート間変動性を活用する,新しいコントラスト損失関数を提案する。 異なる信頼度と無注釈データのメタデータを1つの条件付きコントラスト損失関数に組み合わせることで、パブリックPI-CAIチャレンジデータセット上での病変検出の3%のAUC増加を報告した。 コードは、https://github.com/camilleruppli/decoupled_cclで入手できる。

関連論文リスト

• ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
  本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。 メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
  論文  参考訳（メタデータ） (2025-01-08T05:15:43Z)
• Detecting Unforeseen Data Properties with Diffusion Autoencoder Embeddings using Spine MRI data [7.757515290013924]
  深層学習は、診断と予後を改善するために大規模なデータセットを利用することによって、医療画像に大きく貢献してきた。 大規模なデータセットには、主題の選択と取得による固有のエラーが伴うことが多い。 拡散オートエンコーダの埋め込みによるデータ特性とバイアスの解明と理解について検討する。
  論文  参考訳（メタデータ） (2024-10-14T07:24:26Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Weighted Concordance Index Loss-based Multimodal Survival Modeling for Radiation Encephalopathy Assessment in Nasopharyngeal Carcinoma Radiotherapy [9.988112475313065]
  放射線脳症 (REP) は鼻咽頭癌(NPC)放射線治療の合併症として最も多い。 我々の知る限りでは、画像と非画像データを併用して放射線治療によるREPを予測する最初の試みである。 我々は2つの特徴抽出器を備えた深層マルチモーダルサバイバルネットワーク(MSN)を設計し、マルチモーダルデータから識別的特徴を学習する。
  論文  参考訳（メタデータ） (2022-06-23T02:29:40Z)
• Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
  本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。 GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。 実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
  論文  参考訳（メタデータ） (2022-02-21T04:37:25Z)
• MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
  本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。 当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。