論文の概要: Automated CT Lung Cancer Screening Workflow using 3D Camera

• arxiv url: http://arxiv.org/abs/2309.15750v1
• Date: Wed, 27 Sep 2023 16:06:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 13:05:00.353105
• Title: Automated CT Lung Cancer Screening Workflow using 3D Camera
• Title（参考訳）: 3Dカメラによる肺がん検診の自動化
• Authors: Brian Teixeira, Vivek Singh, Birgi Tamersoy, Andreas Prokein, Ankur Kapoor
• Abstract要約: 本稿では,CT肺がん検診におけるスカウトスキャンの必要性を解消する新しい方法を提案する。 我々は、6万以上のCTスキャンで暗黙的な生成モデルをトレーニングし、リアルタイムスキャンデータを用いて予測を更新するための新しいアプローチを導入する。
• 参考スコア（独自算出の注目度）: 0.3937354192623676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent developments in CT planning that enabled automation in patient positioning, time-consuming scout scans are still needed to compute dose profile and ensure the patient is properly positioned. In this paper, we present a novel method which eliminates the need for scout scans in CT lung cancer screening by estimating patient scan range, isocenter, and Water Equivalent Diameter (WED) from 3D camera images. We achieve this task by training an implicit generative model on over 60,000 CT scans and introduce a novel approach for updating the prediction using real-time scan data. We demonstrate the effectiveness of our method on a testing set of 110 pairs of depth data and CT scan, resulting in an average error of 5mm in estimating the isocenter, 13mm in determining the scan range, 10mm and 16mm in estimating the AP and lateral WED respectively. The relative WED error of our method is 4%, which is well within the International Electrotechnical Commission (IEC) acceptance criteria of 10%.
• Abstract（参考訳）: 患者の位置決めの自動化を可能にする最近のct計画の進展にもかかわらず、服用量プロファイルの計算と患者の適切な位置の確保には、時間を要するスカウトスキャンが必要である。 本稿では,患者スキャン範囲,アイソセンタ,水等価径(WED)を3次元カメラ画像から推定することにより,CT肺がん検診におけるスカウトスキャンの必要性を解消する手法を提案する。 本研究では,6万以上のctスキャンで暗黙的な生成モデルを訓練し,リアルタイムスキャンデータを用いた予測更新手法を提案する。 本手法は,110組の深度データとctスキャンで有効性を示し,アイソセンタ推定では平均誤差5mm,スキャン範囲決定では13mm,apと横方向wedをそれぞれ10mm,横方向wed推定では16mmであった。 提案手法の相対的なWED誤差は4%であり,国際電気技術委員会(IEC)の受理基準の10%に適している。

関連論文リスト

• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Scout-Net: Prospective Personalized Estimation of CT Organ Doses from Scout Views [5.072398805780053]
  我々は,CTスキャンのリアルタイム,患者特異的,臓器レベルのドシメトリ推定を行うために,エンドツーエンド,完全自動ディープラーニングソリューションを提案する。 提案したScout-Netモデルと実際のCTデータとを比較検討し,臓器線量推定の有効性を実時間で検証した。
  論文  参考訳（メタデータ） (2023-12-23T21:33:42Z)
• Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
  本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。 ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2023-10-05T07:48:55Z)
• Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
  患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
  論文  参考訳（メタデータ） (2023-03-02T07:47:07Z)
• Position Regression for Unsupervised Anomaly Detection [0.8999666725996974]
  座標回帰に基づく新しい異常検出手法を提案する。 本手法は,健康な被験者のデータのみに基づいて,ボリューム内のパッチの位置を推定する。 本手法は,画像再構成に係わる他の手法よりも少ないメモリを必要とすることを示す。
  論文  参考訳（メタデータ） (2023-01-19T13:22:11Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)

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。