論文の概要: Anatomy-informed Data Augmentation for Enhanced Prostate Cancer Detection

• arxiv url: http://arxiv.org/abs/2309.03652v1
• Date: Thu, 7 Sep 2023 11:46:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 13:18:22.201079
• Title: Anatomy-informed Data Augmentation for Enhanced Prostate Cancer Detection
• Title（参考訳）: 前立腺癌検出のための解剖学的インフォームドデータ拡張
• Authors: Balint Kovacs, Nils Netzer, Michael Baumgartner, Carolin Eith, Dimitrios Bounias, Clara Meinzer, Paul F. Jaeger, Kevin S. Zhang, Ralf Floca, Adrian Schrader, Fabian Isensee, Regula Gnirs, Magdalena Goertz, Viktoria Schuetz, Albrecht Stenzinger, Markus Hohenfellner, Heinz-Peter Schlemmer, Ivo Wolf, David Bonekamp, Klaus H. Maier-Hein
• Abstract要約: 本研究では,前立腺の生理的変形をシミュレートするために,隣接する臓器の情報を活用する新しい解剖情報変換法を提案する。 生検で確認した774検体を対象に, 増量の有効性を実証した。
• 参考スコア（独自算出の注目度）: 1.6539563017720214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data augmentation (DA) is a key factor in medical image analysis, such as in prostate cancer (PCa) detection on magnetic resonance images. State-of-the-art computer-aided diagnosis systems still rely on simplistic spatial transformations to preserve the pathological label post transformation. However, such augmentations do not substantially increase the organ as well as tumor shape variability in the training set, limiting the model's ability to generalize to unseen cases with more diverse localized soft-tissue deformations. We propose a new anatomy-informed transformation that leverages information from adjacent organs to simulate typical physiological deformations of the prostate and generates unique lesion shapes without altering their label. Due to its lightweight computational requirements, it can be easily integrated into common DA frameworks. We demonstrate the effectiveness of our augmentation on a dataset of 774 biopsy-confirmed examinations, by evaluating a state-of-the-art method for PCa detection with different augmentation settings.
• Abstract（参考訳）: データ拡張(DA)は、磁気共鳴画像における前立腺癌(PCa)の検出など、医療画像解析において重要な要素である。 最先端のコンピュータ支援診断システムはまだ、病的ラベルのポストトランスフォーメーションを維持するために、単純空間変換に依存している。 しかし、このような増強は、訓練セットにおける臓器や腫瘍の形状の変化を実質的に増加させるものではなく、より多様な局所的な軟組織変形を持つ未発見の症例に一般化する能力を制限する。 本研究では,前立腺の典型的生理的変形をシミュレートするために隣接臓器の情報を活用する新しい解剖情報変換法を提案する。 軽量な計算要求のため、一般的なDAフレームワークに簡単に統合できる。 本研究は,PCa検出の最先端手法を異なる拡張設定で評価することにより,74の生検確認試験データセットに対する拡張の有効性を実証する。

関連論文リスト

• Anatomy-Guided Radiology Report Generation with Pathology-Aware Regional Prompts [3.1019279528120363]
  生成AIを報告する放射線学は、臨床ワークロードを緩和し、医療を合理化するための大きな可能性を秘めている。 既存のシステムは、固定サイズ、パッチレベルの画像特徴、病理情報の組み入れが不十分なため、しばしば不足する。 本稿では,病的・病態的情報を多種多様な尺度で明確に統合するために,病理学的に認識された地域的プロンプトを活用する革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-16T12:36:20Z)
• Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
  病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。 腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
  論文  参考訳（メタデータ） (2024-06-04T16:47:47Z)
• Biophysics Informed Pathological Regularisation for Brain Tumour Segmentation [10.466349398419846]
  本稿では,脳腫瘍進展部分微分方程式(PDE)モデルをディープラーニングを用いた正規化として設計する手法を提案する。 本手法では,特にデータ共有シナリオにおいて,腫瘍増殖PDEモデルをセグメント化プロセスに直接導入し,精度とロバスト性を向上させる。 我々は、BraTS 2023データセットの広範な実験を通じて、我々のフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2024-03-14T07:21:46Z)
• Abdominal organ segmentation via deep diffeomorphic mesh deformations [5.4173776411667935]
  CTとMRIによる腹部臓器の分節は,手術計画とコンピュータ支援ナビゲーションシステムにとって必須の要件である。 肝, 腎, 膵, 脾の分節に対するテンプレートベースのメッシュ再構成法を応用した。 結果として得られたUNetFlowは4つの器官すべてによく当てはまり、新しいデータに基づいて簡単に微調整できる。
  論文  参考訳（メタデータ） (2023-06-27T14:41:18Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• 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)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)
• Pyramid Focusing Network for mutation prediction and classification in CT images [2.4440097656693553]
  CT画像に基づく突然変異予測と分類のためのピラミッド焦点ネットワーク(PFNet)を提案する。 本手法はCT画像におけるHER-2遺伝子変異の予測における94.90%の精度を実現する。
  論文  参考訳（メタデータ） (2020-04-07T12:14:05Z)
• 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。