Fugu-MT 論文翻訳(概要): Radiomics Boosts Deep Learning Model for IPMN Classification

論文の概要: Radiomics Boosts Deep Learning Model for IPMN Classification

arxiv url: http://arxiv.org/abs/2309.05857v1
Date: Mon, 11 Sep 2023 22:41:52 GMT
ステータス: 処理完了
システム内更新日: 2023-09-13 15:01:20.443065
Title: Radiomics Boosts Deep Learning Model for IPMN Classification
Title（参考訳）: RadiomicsがIPMN分類のためのディープラーニングモデルを強化
Authors: Lanhong Yao, Zheyuan Zhang, Ugur Demir, Elif Keles, Camila Vendrami, Emil Agarunov, Candice Bolan, Ivo Schoots, Marc Bruno, Rajesh Keswani, Frank Miller, Tamas Gonda, Cemal Yazici, Temel Tirkes, Michael Wallace, Concetto Spampinato, Ulas Bagci
Abstract要約: 膵管内乳頭粘液性腫瘍 (IPMN) の嚢胞は術前膵管病変であり,膵癌に進展する可能性がある。本研究では,MRIスキャンからIPMNリスク分類のための新しいコンピュータ支援診断パイプラインを提案する。
参考スコア（独自算出の注目度）: 3.4659499358648675
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Intraductal Papillary Mucinous Neoplasm (IPMN) cysts are pre-malignant pancreas lesions, and they can progress into pancreatic cancer. Therefore, detecting and stratifying their risk level is of ultimate importance for effective treatment planning and disease control. However, this is a highly challenging task because of the diverse and irregular shape, texture, and size of the IPMN cysts as well as the pancreas. In this study, we propose a novel computer-aided diagnosis pipeline for IPMN risk classification from multi-contrast MRI scans. Our proposed analysis framework includes an efficient volumetric self-adapting segmentation strategy for pancreas delineation, followed by a newly designed deep learning-based classification scheme with a radiomics-based predictive approach. We test our proposed decision-fusion model in multi-center data sets of 246 multi-contrast MRI scans and obtain superior performance to the state of the art (SOTA) in this field. Our ablation studies demonstrate the significance of both radiomics and deep learning modules for achieving the new SOTA performance compared to international guidelines and published studies (81.9\% vs 61.3\% in accuracy). Our findings have important implications for clinical decision-making. In a series of rigorous experiments on multi-center data sets (246 MRI scans from five centers), we achieved unprecedented performance (81.9\% accuracy).
Abstract（参考訳）: 膵管内乳頭粘液性腫瘍 (IPMN) の嚢胞は術前膵管病変であり,膵癌に進展する可能性がある。したがって, リスクレベルの検出と階層化は, 効果的な治療計画と疾患管理にとって極めて重要である。しかし,IPMN嚢胞と膵臓の多様で不規則な形状,食感,大きさから,これは極めて困難な課題である。本研究では,マルチコントラストMRIスキャンからIPMNリスク分類のための新しいコンピュータ支援診断パイプラインを提案する。提案する分析フレームワークは, 膵臓のデライン化のための効率的な容積自己適応セグメンテーション戦略と, ラジオミクスに基づく予測手法を用いた深層学習に基づく分類手法を含む。提案手法を246個のマルチコントラストMRIスキャンのマルチセンター・データセットで検証し,本分野の最先端技術(SOTA)に優れた性能を示す。我々のアブレーション研究は,新しいSOTA性能を達成するための放射能と深層学習モジュールの重要性を国際ガイドラインと比較し,公表された研究(精度81.9\%対61.3\%)と比較した。臨床的意思決定には重要な意味がある。マルチセンターデータセット(5つのセンターから246個のMRIスキャン)の厳密な実験では、前例のない性能(81.9%の精度)を達成した。

関連論文リスト

TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文参考訳（メタデータ） (2024-11-05T19:35:10Z)
Brain Tumor Segmentation (BraTS) Challenge 2024: Meningioma Radiotherapy Planning Automated Segmentation [47.119513326344126]
BraTS-MEN-RTの課題は、脳MRIを計画する放射線治療の最大のマルチ機関データセットを使用して、自動セグメンテーションアルゴリズムを進化させることである。それぞれの症例には、3D後T1強調放射線治療計画MRIがネイティブな取得スペースに含まれている。ターゲットボリュームアノテーションは、確立された放射線治療計画プロトコルに準拠している。
論文参考訳（メタデータ） (2024-05-28T17:25:43Z)
Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文参考訳（メタデータ） (2023-08-27T22:07:42Z)
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)
Mixed Supervision of Histopathology Improves Prostate Cancer Classification from MRI [0.9395521049323435]
MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
論文参考訳（メタデータ） (2022-12-13T02:34:57Z)
Radiomics-enhanced Deep Multi-task Learning for Outcome Prediction in Head and Neck Cancer [11.795108660250843]
PET/CT画像から結果を予測するために,放射能を増強したディープマルチタスクフレームワークを提案する。我々は最近提案したDeep Multi-task Survival Model(DeepMTS)の強化として放射能を取り入れることが新しい。テストセットではCインデックス0.681を達成し,第2位は第1位よりCインデックス0.00068低いリーダボードに配置した。
論文参考訳（メタデータ） (2022-11-10T08:28:56Z)
Brain Cancer Survival Prediction on Treatment-na ive MRI using Deep Anchor Attention Learning with Vision Transformer [4.630654643366308]
画像ベース脳腫瘍予測モデルによるMRIによるX線学的表現型の定量化腫瘍内表現型不均一性の証拠にもかかわらず、MRIスキャンにおける異なるスライス間の空間的多様性は、そのような方法では比較的研究されていない。本稿では,脳腫瘍患者の生存リスクを予測するために,ビジョントランスフォーマを用いたディープアンカーアテンションアグリゲーション戦略を提案する。
論文参考訳（メタデータ） (2022-02-03T21:33:08Z)
Self-transfer learning via patches: A prostate cancer triage approach based on bi-parametric MRI [1.3934382972253603]
前立腺癌(PCa)は世界で2番目に多いがんである。現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
論文参考訳（メタデータ） (2021-07-22T17:02:38Z)
CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文参考訳（メタデータ） (2021-05-25T12:06:55Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。