論文の概要: Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion

• arxiv url: http://arxiv.org/abs/2311.18612v1
• Date: Thu, 30 Nov 2023 15:11:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 16:08:10.680393
• Title: Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion
• Title（参考訳）: 癌ネットワークPCa-Gen:解剖学的制御型潜在拡散を用いた実効前立腺拡散強調画像データの合成
• Authors: Aditya Sridhar and Chi-en Amy Tai and Hayden Gunraj and Yuhao Chen and Alexander Wong
• Abstract要約: カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
• 参考スコア（独自算出の注目度）: 68.45407109385306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In Canada, prostate cancer is the most common form of cancer in men and accounted for 20% of new cancer cases for this demographic in 2022. Due to recent successes in leveraging machine learning for clinical decision support, there has been significant interest in the development of deep neural networks for prostate cancer diagnosis, prognosis, and treatment planning using diffusion weighted imaging (DWI) data. A major challenge hindering widespread adoption in clinical use is poor generalization of such networks due to scarcity of large-scale, diverse, balanced prostate imaging datasets for training such networks. In this study, we explore the efficacy of latent diffusion for generating realistic prostate DWI data through the introduction of an anatomic-conditional controlled latent diffusion strategy. To the best of the authors' knowledge, this is the first study to leverage conditioning for synthesis of prostate cancer imaging. Experimental results show that the proposed strategy, which we call Cancer-Net PCa-Gen, enhances synthesis of diverse prostate images through controllable tumour locations and better anatomical and textural fidelity. These crucial features make it well-suited for augmenting real patient data, enabling neural networks to be trained on a more diverse and comprehensive data distribution. The Cancer-Net PCa-Gen framework and sample images have been made publicly available at https://www.kaggle.com/datasets/deetsadi/cancer-net-pca-gen-dataset as a part of a global open-source initiative dedicated to accelerating advancement in machine learning to aid clinicians in the fight against cancer.
• Abstract（参考訳）: カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 近年,臨床的意思決定支援のための機械学習の活用が成功しており,dwiデータを用いた前立腺癌診断,予後,治療計画のための深層ニューラルネットワークの開発にも大きな関心が寄せられている。 臨床応用の広範化を妨げる大きな課題は、そのようなネットワークを訓練するための大規模で多様なバランスの取れた前立腺画像データセットが不足しているため、そのようなネットワークの一般化が不十分であることである。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性を検討する。 著者たちの知る限りでは、前立腺がん画像の合成にコンディショニングを利用する最初の研究である。 実験の結果,提案手法は癌ネットPCa-Genと呼ばれ,腫瘍の制御可能な位置と解剖学的およびテクスチャ的忠実度の改善を通じて,多彩な前立腺画像の合成を促進することが示唆された。 これらの重要な機能は、実際の患者データの拡張に適しており、ニューラルネットワークをより多様で包括的なデータ分散でトレーニングすることができる。 cancer-net pca-genフレームワークとサンプル画像がhttps://www.kaggle.com/datasets/deetsadi/cancer-net-pca-gen-datasetで公開されている。

関連論文リスト

• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
  胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。 医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。 本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-11T21:47:13Z)
• Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
  皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。 近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。 本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2023-11-20T10:45:39Z)
• Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [75.77035221531261]
  Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。 Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
  論文  参考訳（メタデータ） (2023-11-20T10:28:52Z)
• ANNCRIPS: Artificial Neural Networks for Cancer Research In Prediction & Survival [0.0]
  本研究では,ニューラルネットワーク(ANN)を用いたインテリジェントな数学的モデルの開発と検証に焦点をあてる。 このモデルの実装は、偽陽性の発生率を減らし、患者の結果を改善する有望な可能性を示す。 長期的な目標は、このソリューションを様々なスクリーニングセンター、病院、研究機関に展開できるようにすることである。
  論文  参考訳（メタデータ） (2023-09-26T08:11:35Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Implementation of Convolutional Neural Network Architecture on 3D Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
  磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。 提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。 提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
  論文  参考訳（メタデータ） (2021-12-29T16:47:52Z)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)

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。