論文の概要: A Clinical Guideline Driven Automated Linear Feature Extraction for Vestibular Schwannoma

• arxiv url: http://arxiv.org/abs/2310.19392v1
• Date: Mon, 30 Oct 2023 09:54:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-01 20:59:33.481876
• Title: A Clinical Guideline Driven Automated Linear Feature Extraction for Vestibular Schwannoma
• Title（参考訳）: 前庭神経癌に対する臨床ガイドライン駆動自動線状特徴抽出法
• Authors: Navodini Wijethilake, Steve Connor, Anna Oviedova, Rebecca Burger, Tom Vercauteren, Jonathan Shapey
• Abstract要約: 前庭神経腫(Vestibular Schwannoma)は、バランス神経の1つから成長する良性脳腫瘍である。 患者は手術、放射線治療、あるいは保守的な「待機とスキャン」戦略で治療される。 本研究は,深層学習に基づくセグメンテーションを用いて,計算アルゴリズムを用いて関連する臨床特徴を抽出することにより,このプロセスの自動化と改善を目的とする。
• 参考スコア（独自算出の注目度）: 2.7219200491616378
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vestibular Schwannoma is a benign brain tumour that grows from one of the balance nerves. Patients may be treated by surgery, radiosurgery or with a conservative "wait-and-scan" strategy. Clinicians typically use manually extracted linear measurements to aid clinical decision making. This work aims to automate and improve this process by using deep learning based segmentation to extract relevant clinical features through computational algorithms. To the best of our knowledge, our study is the first to propose an automated approach to replicate local clinical guidelines. Our deep learning based segmentation provided Dice-scores of 0.8124 +- 0.2343 and 0.8969 +- 0.0521 for extrameatal and whole tumour regions respectively for T2 weighted MRI, whereas 0.8222 +- 0.2108 and 0.9049 +- 0.0646 were obtained for T1 weighted MRI. We propose a novel algorithm to choose and extract the most appropriate maximum linear measurement from the segmented regions based on the size of the extrameatal portion of the tumour. Using this tool, clinicians will be provided with a visual guide and related metrics relating to tumour progression that will function as a clinical decision aid. In this study, we utilize 187 scans obtained from 50 patients referred to a tertiary specialist neurosurgical service in the United Kingdom. The measurements extracted manually by an expert neuroradiologist indicated a significant correlation with the automated measurements (p < 0.0001).
• Abstract（参考訳）: 前庭神経腫は、バランス神経の1つから成長する良性脳腫瘍である。 患者は手術、放射線治療、あるいは保守的な「待機とスキャン」戦略で治療される。 臨床医は通常、手作業で抽出したリニア測定を使って臨床意思決定を支援する。 本研究の目的は,深層学習に基づくセグメンテーションを用いて,計算アルゴリズムを用いて関連する臨床特徴を抽出し,このプロセスを自動化することである。 私たちの知識を最大限に活用するため,本研究は,局所臨床ガイドラインを再現する自動アプローチを提案する最初の方法である。 深層学習ベースセグメンテーションにより,T1強調MRIでは0.8124+- 0.2343,0.8969+- 0.0521,T2強調MRIでは0.8222+0.2108,0.9049+- 0.0646を得た。 そこで本稿では, 腫瘍の肉眼領域の大きさに基づいて, 分割領域から最も適切な最大線量測定を選択し, 抽出するアルゴリズムを提案する。 このツールを用いて、臨床医は、臨床診断補助として機能する腫瘍進展に関する視覚ガイドと関連するメトリクスを提供される。 本研究は,イギリスにおける第3次神経外科専門病院に紹介された50例から得られた187件のスキャンデータを用いた。 専門神経放射線医が手動で抽出した測定値から,自動測定値と有意な相関が認められた(p<0.0001。

関連論文リスト

• 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)
• Lumbar Spine Tumor Segmentation and Localization in T2 MRI Images Using AI [2.9746083684997418]
  本研究は, 脊椎腫瘍の領域分割と局所化をAIアプローチで自動化することを目的とした, 新たなデータ拡張手法を提案する。 畳み込みニューラルネットワーク(CNN)アーキテクチャは、腫瘍の分類に用いられている。3次元の椎骨分割とラベル付け技術は、腰椎の腫瘍の正確な位置を特定するのに役立つ。 その結果, 腫瘍分節の99%の精度, 腫瘍分類の98%の精度, 腫瘍局在の99%の精度が得られた。
  論文  参考訳（メタデータ） (2024-05-07T05:55:50Z)
• Exploring Kinetic Curves Features for the Classification of Benign and Malignant Breast Lesions in DCE-MRI [3.3382992386198675]
  胸部良性病変と悪性病変の分類精度を高めるため, 運動曲線および放射線学的特徴の動的特性を活用することを提案する。 提案手法は,200個のDCE-MRIスキャンと298個の乳腺腫瘍を含む社内データセットを用いて評価した。
  論文  参考訳（メタデータ） (2024-04-22T07:08:13Z)
• Integrative Imaging Informatics for Cancer Research: Workflow Automation for Neuro-oncology (I3CR-WANO) [0.12175619840081271]
  我々は,多系列ニューロオンコロジーMRIデータの集約と処理のための人工知能ベースのソリューションを提案する。 エンド・ツー・エンドのフレームワーク i) アンサンブル分類器を用いてMRIの配列を分類し, i) 再現可能な方法でデータを前処理し, iv) 腫瘍組織サブタイプを規定する。 欠落したシーケンスに対して堅牢であり、専門的なループアプローチを採用しており、セグメンテーションの結果は放射線学者によって手動で洗練される可能性がある。
  論文  参考訳（メタデータ） (2022-10-06T18:23:42Z)
• Deep learning automates bidimensional and volumetric tumor burden measurement from MRI in pre- and post-operative glioblastoma patients [2.4199968850337354]
  グリオ芽腫患者の完全自動エンドツーエンド解析のためのディープラーニングパイプラインを提案する。 本手法では, 造影腫瘍, 周術期浮腫, 外科的空洞を含む腫瘍亜領域を同時に同定する。 術前MRIと術後MRIの正確なセグメンテーションを手作業で行う。
  論文  参考訳（メタデータ） (2022-09-03T11:41:42Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• WHO 2016 subtyping and automated segmentation of glioma using multi-task deep learning [2.8881360490071786]
  我々は1つのマルチタスク畳み込みニューラルネットワークを開発し,IDHの変異状況,1p/19qの同時欠失状態,腫瘍のグレードを予測した。 我々は13の異なる施設から240人の患者を独立したデータセットで分析し、IDH-AUC 0.90, 1p/19q-AUC 0.85, grade-AUC 0.81, mean whole tumor DICE score 0.84を達成した。
  論文  参考訳（メタデータ） (2020-10-09T08:18:53Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。