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
- 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 [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Faithful Synthesis of Low-dose Contrast-enhanced Brain MRI Scans using
Noise-preserving Conditional GANs [102.47542231659521]
ガドリニウム系造影剤(GBCA)は様々な疾患の診断にMRIにおいて不可欠である。
GBCAは高価であり、副作用のある患者に蓄積される可能性がある。
診断値を維持しながらGBCAの投与量をどの程度削減できるかは不明確である。
論文 参考訳(メタデータ) (2023-06-26T13:19:37Z) - Robust Fiber ODF Estimation Using Deep Constrained Spherical
Deconvolution for Diffusion MRI [7.9283612449524155]
測定したDW-MRI信号をモデル化するための一般的なプラクティスは、繊維配向分布関数(fODF)である。
DW-MRIの取得において、測定変数(サイト内およびサイト内変動、ハードウェア性能、シーケンス設計など)は避けられない。
既存のモデルベース手法(例えば、制約付き球面デコンボリューション(CSD))や学習ベース手法(例えば、ディープラーニング(DL))は、fODFモデリングにおいてそのような変動を明示的に考慮していない。
本稿では,データ駆動型深部制約付き球面デコンボリューション法を提案する。
論文 参考訳(メタデータ) (2023-06-05T14:06:40Z) - 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) - Meta-data Study in Autism Spectrum Disorder Classification Based on
Structural MRI [5.611679991614855]
20の異なる部位から収集した構造MRIに基づいて,3種類のメタデータがASDの分類精度に及ぼす影響について検討した。
本研究では,ASDの分類精度に及ぼす3種類のメタデータの影響を,20の異なる部位から収集した構造MRIに基づいて系統的に検討した。
論文 参考訳(メタデータ) (2022-06-09T03:40:24Z) - 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) - Learning from Subjective Ratings Using Auto-Decoded Deep Latent
Embeddings [23.777855250882244]
ラベルにおける主観性管理は医用画像解析における根本的な問題である。
自動復号型ディープ潜在埋め込み(addle)を導入する
ADDLEは自動デコーダフレームワークを使用して各レーダの傾向を明示的にモデル化する。
論文 参考訳(メタデータ) (2021-04-12T15:40:42Z) - 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。