論文の概要: A Unified Multi-Phase CT Synthesis and Classification Framework for Kidney Cancer Diagnosis with Incomplete Data

• arxiv url: http://arxiv.org/abs/2312.05548v1
• Date: Sat, 9 Dec 2023 11:34:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 20:10:45.225795
• Title: A Unified Multi-Phase CT Synthesis and Classification Framework for Kidney Cancer Diagnosis with Incomplete Data
• Title（参考訳）: 不完全データを用いた腎臓癌診断のための統合多相CT合成と分類フレームワーク
• Authors: Kwang-Hyun Uhm, Seung-Won Jung, Moon Hyung Choi, Sung-Hoo Hong, Sung-Jea Ko
• Abstract要約: 非完全多相CTを用いた腎癌診断のための統合的枠組みを提案する。 同時に、欠落したCT画像を復元し、完了した画像セットを使用して癌サブタイプを分類する。 提案するフレームワークは,完全な3次元畳み込みニューラルネットワークに基づいている。
• 参考スコア（独自算出の注目度）: 18.15801599933636
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-phase CT is widely adopted for the diagnosis of kidney cancer due to the complementary information among phases. However, the complete set of multi-phase CT is often not available in practical clinical applications. In recent years, there have been some studies to generate the missing modality image from the available data. Nevertheless, the generated images are not guaranteed to be effective for the diagnosis task. In this paper, we propose a unified framework for kidney cancer diagnosis with incomplete multi-phase CT, which simultaneously recovers missing CT images and classifies cancer subtypes using the completed set of images. The advantage of our framework is that it encourages a synthesis model to explicitly learn to generate missing CT phases that are helpful for classifying cancer subtypes. We further incorporate lesion segmentation network into our framework to exploit lesion-level features for effective cancer classification in the whole CT volumes. The proposed framework is based on fully 3D convolutional neural networks to jointly optimize both synthesis and classification of 3D CT volumes. Extensive experiments on both in-house and external datasets demonstrate the effectiveness of our framework for the diagnosis with incomplete data compared with state-of-the-art baselines. In particular, cancer subtype classification using the completed CT data by our method achieves higher performance than the classification using the given incomplete data.
• Abstract（参考訳）: 多相ctは相間の相補的情報により腎癌の診断に広く用いられている。 しかし、多相ctの完全なセットは実際の臨床応用では利用できないことが多い。 近年、利用可能なデータから欠落したモダリティ画像を生成する研究がいくつか行われている。 それにもかかわらず、生成された画像は診断タスクに有効であるとは保証されない。 本稿では,不完全多相CTを用いた腎癌診断のための統一的枠組みを提案する。 我々のフレームワークの利点は、がんのサブタイプを分類するのに有用な欠落したCTフェーズを明示的に学習する合成モデルを奨励することである。 また,本フレームワークに病変分割ネットワークを組み込むことにより,CT全容の癌分類に有効な病変レベル特徴を活用できる。 提案するフレームワークは,3次元CTボリュームの合成と分類を協調的に最適化する,完全3次元畳み込みニューラルネットワークに基づいている。 社内および外部のデータセットに対する大規模な実験は、最先端のベースラインと比較して、不完全なデータによる診断のためのフレームワークの有効性を示す。 特に,ctデータを用いた癌サブタイプ分類は,与えられた不完全データを用いた分類よりも高い性能が得られる。

関連論文リスト

• 3D-CT-GPT: Generating 3D Radiology Reports through Integration of Large Vision-Language Models [51.855377054763345]
  本稿では,VQAに基づく医用視覚言語モデルである3D-CT-GPTについて紹介する。 パブリックデータセットとプライベートデータセットの両方の実験により、3D-CT-GPTはレポートの正確さと品質という点で既存の手法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2024-09-28T12:31:07Z)
• CC-DCNet: Dynamic Convolutional Neural Network with Contrastive Constraints for Identifying Lung Cancer Subtypes on Multi-modality Images [13.655407979403945]
  肺がんサブタイプを多次元・多モード画像で正確に分類するための新しい深層学習ネットワークを提案する。 提案モデルの強みは, 対のCT-病理画像セットと独立のCT画像セットの両方を動的に処理できることにある。 また,ネットワーク学習を通じてモダリティ関係を定量的にマッピングするコントラスト制約モジュールも開発した。
  論文  参考訳（メタデータ） (2024-07-18T01:42:00Z)
• Classification of lung cancer subtypes on CT images with synthetic pathological priors [41.75054301525535]
  同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。 肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T02:04:05Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Segmentation of Lung Tumor from CT Images using Deep Supervision [0.8733639720576208]
  肺がんは世界中のほとんどの国で死因となっている。 本稿では,LOTUSデータセットに2次元離散ウェーブレット変換(DWT)を適用し,肺腫瘍のセグメンテーションにアプローチする。
  論文  参考訳（メタデータ） (2021-11-17T17:50:18Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Multitask 3D CBCT-to-CT Translation and Organs-at-Risk Segmentation Using Physics-Based Data Augmentation [4.3971310109651665]
  現在の臨床実践では、放射線治療中の患者設定にのみ、ノイズとアーティファクトを付加した毎週のコーンビームCT画像が用いられる。 治療計画には, 高画質計画ct (pct) 画像とoars ( organ-at-risk) 構造の手輪郭を用いて, 治療開始時に一度行う。 OAR構造を同時にセグメンテーションしながら毎週CBCT画像の品質を向上させることができれば、放射線治療中の治療適応や治療応答のためのバイオマーカーの抽出に重要な情報を提供することができる。
  論文  参考訳（メタデータ） (2021-03-09T19:51:44Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• A Novel and Efficient Tumor Detection Framework for Pancreatic Cancer via CT Images [21.627818410241552]
  本稿では,新しい膵腫瘍検出フレームワークを提案する。 提案手法のコントリビューションは,Augmented Feature Pyramid Network,Self-Adaptive Feature Fusion,Dependencies Computation Moduleの3つのコンポーネントから構成される。 実験により,AUCの0.9455による検出において,他の最先端手法よりも優れた性能が得られた。
  論文  参考訳（メタデータ） (2020-02-11T15:48:22Z)

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。