論文の概要: Vision Transformer-based Multimodal Feature Fusion Network for Lymphoma
Segmentation on PET/CT Images
- arxiv url: http://arxiv.org/abs/2402.02349v1
- Date: Sun, 4 Feb 2024 05:25:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 20:40:29.769161
- Title: Vision Transformer-based Multimodal Feature Fusion Network for Lymphoma
Segmentation on PET/CT Images
- Title(参考訳): 視覚トランスフォーマーを用いたpet/ct画像上のリンパ腫分離のためのマルチモーダル特徴融合ネットワーク
- Authors: Huan Huang, Liheng Qiu, Shenmiao Yang, Longxi Li, Jiaofen Nan, Yanting
Li, Chuang Han, Fubao Zhu, Chen Zhao, Weihua Zhou
- Abstract要約: 18F-Fluorodeoxyglucose positron emission tomography (PET) とCT画像によるリンパ腫分画の精度向上を目指した。
悪性リンパ腫のセグメンテーションのアプローチは,視覚トランスフォーマーとデュアルエンコーダを併用し,マルチモーダル・クロスアテンション・フュージョン(MMCAF)モジュールを介してPETおよびCTデータを浮き彫りにする。
- 参考スコア(独自算出の注目度): 6.715992297496958
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Diffuse large B-cell lymphoma (DLBCL) segmentation is a challenge
in medical image analysis. Traditional segmentation methods for lymphoma
struggle with the complex patterns and the presence of DLBCL lesions.
Objective: We aim to develop an accurate method for lymphoma segmentation with
18F-Fluorodeoxyglucose positron emission tomography (PET) and computed
tomography (CT) images. Methods: Our lymphoma segmentation approach combines a
vision transformer with dual encoders, adeptly fusing PET and CT data via
multimodal cross-attention fusion (MMCAF) module. In this study, PET and CT
data from 165 DLBCL patients were analyzed. A 5-fold cross-validation was
employed to evaluate the performance and generalization ability of our method.
Ground truths were annotated by experienced nuclear medicine experts. We
calculated the total metabolic tumor volume (TMTV) and performed a statistical
analysis on our results. Results: The proposed method exhibited accurate
performance in DLBCL lesion segmentation, achieving a Dice similarity
coefficient of 0.9173$\pm$0.0071, a Hausdorff distance of 2.71$\pm$0.25mm, a
sensitivity of 0.9462$\pm$0.0223, and a specificity of 0.9986$\pm$0.0008.
Additionally, a Pearson correlation coefficient of 0.9030$\pm$0.0179 and an
R-square of 0.8586$\pm$0.0173 were observed in TMTV when measured on manual
annotation compared to our segmentation results. Conclusion: This study
highlights the advantages of MMCAF and vision transformer for lymphoma
segmentation using PET and CT, offering great promise for computer-aided
lymphoma diagnosis and treatment.
- Abstract(参考訳): 背景】びまん性大細胞性b細胞リンパ腫(dlbcl)の分画は,画像解析における課題である。
従来のリンパ腫の分節法は、複雑なパターンとDLBCL病変の存在に苦慮する。
目的: 18f-fluorodeoxyglucose positron emission tomography (pet) と ct (ct) 画像を用いた悪性リンパ腫の鑑別法の開発を目標とする。
方法: 悪性リンパ腫のセグメンテーションアプローチでは, マルチモーダル・クロスアテンション・フュージョン (MMCAF) モジュールを介し, PETとCTデータを十分に融合したデュアルエンコーダを併用する。
本研究では,165例のDLBCL患者のPETおよびCTデータを解析した。
提案手法の性能と一般化能力を評価するために5倍のクロスバリデーションを用いた。
地上の真実は経験豊富な核医学の専門家によって注釈された。
総代謝性腫瘍容積 (TMTV) を算出し, 統計学的検討を行った。
結果: 本法では, DLBCLの病変セグメンテーションにおいて, ディス類似度係数0.9173$\pm$0.0071, ハウスドルフ距離2.71$\pm$0.25mm, 感度0.9462$\pm$0.0223, 特異度0.9986$\pm$0.0008の精度を示した。
また, TMTVでは, セグメンテーション結果と比較してPearson相関係数0.9030$\pm$0.0179, R-square0.8586$\pm$0.0173が観察された。
結語: 本研究は, pet と ct を用いたリンパ腫分画に対するmmcaf と vision transformer の利点を強調し, コンピュータ支援リンパ腫の診断と治療に大いに貢献する。
関連論文リスト
- CIMIL-CRC: a clinically-informed multiple instance learning framework
for patient-level colorectal cancer molecular subtypes classification from
H\&E stained images [45.32169712547367]
CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。
我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
論文 参考訳(メタデータ) (2024-01-29T12:56:11Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳(メタデータ) (2023-06-06T18:01:08Z) - Whole-body tumor segmentation of 18F -FDG PET/CT using a cascaded and
ensembled convolutional neural networks [2.735686397209314]
本研究の目的は、18F-FDG PET/CT画像全体において癌疑い領域を自動的に分割するディープニューラルネットワークの性能を報告することである。
PET/CT画像を6mmの解像度で3D UNET CNNの重ね合わせで処理するケースドアプローチを開発した。
論文 参考訳(メタデータ) (2022-10-14T19:25:56Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳(メタデータ) (2022-10-13T15:34:20Z) - PriorNet: lesion segmentation in PET-CT including prior tumor appearance
information [0.0]
PET-CT画像における腫瘍病変のセグメンテーション性能を改善するための2段階のアプローチを提案する。
第1ステップは、先行腫瘍情報とみなすPET-CTボリュームから先行腫瘍出現マップを生成する。
標準のU-Netからなる第2ステップは、前回の腫瘍出現マップとPET-CT画像を受け取り、病変マスクを生成する。
論文 参考訳(メタデータ) (2022-10-05T12:31:42Z) - Deep PET/CT fusion with Dempster-Shafer theory for lymphoma segmentation [17.623576885481747]
PET/CTボリュームからのリンパ腫の検出とセグメンテーションは外科的適応と放射線治療に不可欠である。
PET/CT融合層を有するUNetを用いた悪性リンパ腫のセグメンテーションモデルを提案する。
Diceスコア0.726で正確なセグメンテーション結果を得る。
論文 参考訳(メタデータ) (2021-08-11T19:24:40Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳(メタデータ) (2021-06-04T09:51:27Z) - Evidential segmentation of 3D PET/CT images [20.65495780362289]
3D PET/CT画像におけるリンパ腫のセグメント化には、信念関数に基づくセグメンテーション法が提案されている。
アーキテクチャは特徴抽出モジュールと明白なセグメンテーション(ES)モジュールで構成されている。
びまん性大細胞性b細胞リンパ腫173例のデータベース上で評価した。
論文 参考訳(メタデータ) (2021-04-27T16:06:27Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳(メタデータ) (2020-10-07T06:22:24Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳(メタデータ) (2020-04-02T21:49:14Z) - A Bayesian approach to tissue-fraction estimation for oncological PET
segmentation [0.13048920509133805]
腫瘍性PETにおける腫瘍のセグメンテーションは、システム解像度が低く、ボクセルサイズが有限であるために生じる部分体積効果のために困難である。
腫瘍学的PETセグメンテーションのための組織破壊評価のためのベイズ的アプローチを提案する。
ACRIN 6668/RTOG 0235多施設臨床試験のステージIIB/III非小細胞肺癌の臨床像を用いて評価した。
論文 参考訳(メタデータ) (2020-02-29T17:40:04Z)
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。