論文の概要: 3D Lymphoma Segmentation on PET/CT Images via Multi-Scale Information Fusion with Cross-Attention
- arxiv url: http://arxiv.org/abs/2402.02349v2
- Date: Mon, 9 Sep 2024 16:17:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 03:22:55.336343
- Title: 3D Lymphoma Segmentation on PET/CT Images via Multi-Scale Information Fusion with Cross-Attention
- Title(参考訳): PET/CT画像におけるクロスアテンションを用いた多次元情報融合による3次元リンパ腫分離
- Authors: Huan Huang, Liheng Qiu, Shenmiao Yang, Longxi Li, Jiaofen Nan, Yanting Li, Chuang Han, Fubao Zhu, Chen Zhao, Weihua Zhou,
- Abstract要約: 本研究は,びまん性大細胞型B細胞リンパ腫(DLBCL)の正確な分節法を開発することを目的とする。
シフトウインドウ変換器とマルチスケール情報融合(MSIF)モジュールを用いた3次元デュアルブランチエンコーダセグメンテーション法を提案する。
このモデルは5倍のクロスバリデーションを用いて165名のDLBCL患者のデータセットを用いて訓練および検証を行った。
- 参考スコア(独自算出の注目度): 6.499725732124126
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Accurate segmentation of diffuse large B-cell lymphoma (DLBCL) lesions is challenging due to their complex patterns in medical imaging. Objective: This study aims to develop a precise segmentation method for DLBCL using 18F-Fluorodeoxyglucose (FDG) positron emission tomography (PET) and computed tomography (CT) images. Methods: We propose a 3D dual-branch encoder segmentation method using shifted window transformers and a Multi-Scale Information Fusion (MSIF) module. To enhance feature integration, the MSIF module performs multi-scale feature fusion using cross-attention mechanisms with a shifted window framework. A gated neural network within the MSIF module dynamically balances the contributions from each modality. The model was optimized using the Dice Similarity Coefficient (DSC) loss function. Additionally, we computed the total metabolic tumor volume (TMTV) and performed statistical analyses. Results: The model was trained and validated on a dataset of 165 DLBCL patients using 5-fold cross-validation, achieving a DSC of 0.7512. Statistical analysis showed a significant improvement over comparative methods (p < 0.05). Additionally, a Pearson correlation coefficient of 0.91 and an R^2 of 0.89 were observed when comparing manual annotations to segmentation results for TMTV measurement. Conclusion: This study presents an effective automatic segmentation method for DLBCL that leverages the complementary strengths of PET and CT imaging. Our method has the potential to improve diagnostic interpretations and assist in treatment planning for DLBCL patients.
- Abstract(参考訳): 背景: びまん性大細胞型B細胞リンパ腫 (DLBCL) の正確な分画は, 医用画像の複雑なパターンが原因で困難である。
目的: 本研究の目的は, 18F-Fluorodeoxyglucose (FDG) positron emission tomography (PET) と CT (CT) 画像を用いたDLBCLの精密セグメンテーション法を開発することである。
方法: シフトウインドウ変換器とマルチスケールインフォメーション・フュージョン(MSIF)モジュールを用いた3次元デュアルブランチ・エンコーダ・セグメンテーション法を提案する。
機能統合を強化するため、MSIFモジュールは、シフトウインドウフレームワークによるクロスアテンション機構を用いたマルチスケール機能融合を実行する。
MSIFモジュール内のゲートニューラルネットワークは、各モードからのコントリビューションを動的にバランスさせる。
このモデルはDice similarity Coefficient (DSC)損失関数を用いて最適化された。
さらに, 総代謝性腫瘍容積 (TMTV) を算出し, 統計学的解析を行った。
結果: このモデルは5倍のクロスバリデーションを用いて165名のDLBCL患者のデータセットを用いて訓練し, 評価した。
統計的解析の結果,比較法に比べて有意な改善が認められた(p < 0.05)。
また,TMTV測定における手動アノテーションとセグメンテーション結果を比較すると,ピアソン相関係数0.91,R^20.89が観察された。
結論:本研究では,PETおよびCT画像の相補的強度を利用したDLBCLの効果的な自動分割法を提案する。
本手法は,DLBCL患者に対する診断的解釈の改善と治療計画支援の可能性を秘めている。
関連論文リスト
- Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.586530244472655]
我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。
BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。
上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
論文 参考訳(メタデータ) (2024-05-16T03:23:57Z) - Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Patients Using a Longitudinally-Aware Segmentation Network [7.225391135995692]
小児Hodgkinリンパ腫患者に対する経時的PET/CT画像の定量化について検討した。
F1スコア0.606のPET2の残存リンパ腫をLAS-Netが検出した。
LAS-NetによるqPET,$Delta$SUVmax, MTV, TLGの測定は, 医師による測定と強く相関していた。
論文 参考訳(メタデータ) (2024-04-12T17:20:57Z) - A Two-Stage Generative Model with CycleGAN and Joint Diffusion for
MRI-based Brain Tumor Detection [41.454028276986946]
本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。
CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。
VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
論文 参考訳(メタデータ) (2023-11-06T12:58:26Z) - 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) - 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) - Machine Learning Automatically Detects COVID-19 using Chest CTs in a
Large Multicenter Cohort [43.99203831722203]
16施設2096例の胸部CT検査を行った。
新型コロナウイルスの分類のためのメートル法に基づくアプローチは、解釈可能な特徴を使用した。
深層学習に基づく分類器は,CT減衰から抽出した3D特徴と空域不透明度の確率分布を区別した。
論文 参考訳(メタデータ) (2020-06-09T00:40:35Z) - 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)
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。