論文の概要: TransReg: Cross-transformer as auto-registration module for multi-view
mammogram mass detection
- arxiv url: http://arxiv.org/abs/2311.05192v1
- Date: Thu, 9 Nov 2023 08:08:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 15:54:34.087877
- Title: TransReg: Cross-transformer as auto-registration module for multi-view
mammogram mass detection
- Title（参考訳）: TransReg:マルチビューマンモグラムマス検出のための自動登録モジュールとしてのクロストランス
- Authors: Hoang C. Nguyen, Chi Phan, Hieu H. Pham
- Abstract要約: 頭蓋頭蓋骨(CC)と側方斜視(MLO)の関連性を利用したCADシステムであるTransRegを提案する。
このシステムは、マス検出問題に対して、シアム高速RCNNネットワークによって抽出された関心領域(RoIs)の関係をモデル化するクロストランスフォーマーを含む。
我々の研究は、クロストランスフォーマーをオブジェクト検出フレームワークに統合して、異方性ビュー間の関係をモデル化した初めてのものです。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Screening mammography is the most widely used method for early breast cancer
detection, significantly reducing mortality rates. The integration of
information from multi-view mammograms enhances radiologists' confidence and
diminishes false-positive rates since they can examine on dual-view of the same
breast to cross-reference the existence and location of the lesion. Inspired by
this, we present TransReg, a Computer-Aided Detection (CAD) system designed to
exploit the relationship between craniocaudal (CC), and mediolateral oblique
(MLO) views. The system includes cross-transformer to model the relationship
between the region of interest (RoIs) extracted by siamese Faster RCNN network
for mass detection problems. Our work is the first time cross-transformer has
been integrated into an object detection framework to model the relation
between ipsilateral views. Our experimental evaluation on DDSM and VinDr-Mammo
datasets shows that our TransReg, equipped with SwinT as a feature extractor
achieves state-of-the-art performance. Specifically, at the false positive rate
per image at 0.5, TransReg using SwinT gets a recall at 83.3% for DDSM dataset
and 79.7% for VinDr-Mammo dataset. Furthermore, we conduct a comprehensive
analysis to demonstrate that cross-transformer can function as an
auto-registration module, aligning the masses in dual-view and utilizing this
information to inform final predictions. It is a replication diagnostic
workflow of expert radiologists
- Abstract（参考訳）: スクリーニングマンモグラフィは乳がんの早期発見に最も広く用いられている方法であり、死亡率を著しく低下させる。
マルチビューマンモグラムからの情報の統合は、放射線医の信頼性を高め、同じ乳房の二重視で病変の存在と位置を相互参照できるため、偽陽性率を低下させる。
そこで本研究では, craniocaudal (cc) と mediolateral oblique (mlo) の関係を利用するコンピュータ支援検出 (cad) システムである transreg を提案する。
本システムでは,siamese fast rcnnネットワークによって抽出された関心領域(rois)間の関係をモデルとするクロストランスフォーマを含む。
我々の研究は、クロストランスフォーマーをオブジェクト検出フレームワークに統合して、異方性ビューの関係をモデル化した初めてのものです。
DDSMおよびVinDr-Mammoデータセットの実験的評価により,SwinTを特徴抽出器として搭載したTransRegが最先端性能を実現することを示す。
具体的には、0.5イメージ当たりの偽陽性率で、SwinTを使用したTransRegはDDSMデータセットの83.3%、VinDr-Mammoデータセットの79.7%でリコールされる。
さらに,クロストランスフォーマが自動登録モジュールとして機能することを示すために,総合的な解析を行い,この情報を用いて最終的な予測を行う。
専門家放射線科医の 複製診断ワークフローです
関連論文リスト
- Features Fusion for Dual-View Mammography Mass Detection [1.5146068448101746]
両マンモグラフィビューを同時に処理できるMAMM-Netという新しいモデルを提案する。
本実験は,従来の最先端モデルと比較して,PublicMデータセット上での優れた性能を示す。
論文 参考訳（メタデータ） (2024-04-25T16:30:30Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳（メタデータ） (2024-02-27T06:32:56Z) - MV-Swin-T: Mammogram Classification with Multi-view Swin Transformer [0.257133335028485]
マンモグラフィ画像分類における課題に対処するために,トランスフォーマーに基づく革新的なマルチビューネットワークを提案する。
提案手法では,ウィンドウベースの動的アテンションブロックを導入し,マルチビュー情報の効果的な統合を容易にする。
論文 参考訳（メタデータ） (2024-02-26T04:41:04Z) - Intelligent Breast Cancer Diagnosis with Heuristic-assisted
Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。
悪性の腫瘤を正確に識別することは 依然として困難です
マンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-10-30T10:22:14Z) - View-Disentangled Transformer for Brain Lesion Detection [50.4918615815066]
より正確な腫瘍検出のためのMRI特徴抽出のための新しいビューディペンタングル変換器を提案する。
まず, 3次元脳スキャンにおいて, 異なる位置の長距離相関を求める。
第二に、トランスフォーマーはスライス機能のスタックを複数の2Dビューとしてモデル化し、これらの機能をビュー・バイ・ビューとして拡張する。
第三に、提案したトランスモジュールをトランスのバックボーンに展開し、脳病変を取り巻く2D領域を効果的に検出する。
論文 参考訳（メタデータ） (2022-09-20T11:58:23Z) - Check and Link: Pairwise Lesion Correspondence Guides Mammogram Mass
Detection [26.175654159429943]
CL-Netは、病変検出とペアワイズ対応をエンドツーエンドで学習するために提案されている。
CL-Netは対方向の病変対応を正確に理解する。
これは、低いFPI体制において、以前の方法よりも大きなマージンで上回っている。
論文 参考訳（メタデータ） (2022-09-13T08:26:07Z) - Focused Decoding Enables 3D Anatomical Detection by Transformers [64.36530874341666]
集束デコーダと呼ばれる3次元解剖学的構造検出のための新しい検出変換器を提案する。
Focused Decoderは、解剖学的領域のアトラスからの情報を活用して、クエリアンカーを同時にデプロイし、クロスアテンションの視野を制限する。
提案手法を利用可能な2つのCTデータセットに対して評価し、フォーカスドデコーダが強力な検出結果を提供するだけでなく、大量の注釈付きデータの必要性を軽減し、注意重みによる結果の例外的で直感的な説明性を示すことを示した。
論文 参考訳（メタデータ） (2022-07-21T22:17:21Z) - Transformers Improve Breast Cancer Diagnosis from Unregistered
Multi-View Mammograms [6.084894198369222]
我々はマルチビュー・ビジョン・トランスフォーマーのアーキテクチャを活用し、同一患者から複数のマンモグラフィーの長距離関係を1回の検査で捉えた。
我々の4画像(2面2面)トランスフォーマーモデルでは、ROC曲線下(AUC = 0.818)でのケース分類が可能である。
また、AUCは0.724(CCビュー)と0.769(MLOビュー)の2つの片面2面モデルより優れている。
論文 参考訳（メタデータ） (2022-06-21T03:54:21Z) - High-Performance Transformer Tracking [74.07751002861802]
本稿では,シームズ様特徴抽出バックボーンをベースとしたTransformer Tracking(TransT)手法,設計した注意に基づく融合機構,分類と回帰ヘッドを提案する。
実験の結果,TransT法とTransT-M法は7つの一般的なデータセットに対して有望な結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-03-25T09:33:29Z) - AlignTransformer: Hierarchical Alignment of Visual Regions and Disease
Tags for Medical Report Generation [50.21065317817769]
本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。
パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
論文 参考訳（メタデータ） (2022-03-18T13:43:53Z)
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。