論文の概要: Spatio-spectral classification of hyperspectral images for brain cancer
detection during surgical operations
- arxiv url: http://arxiv.org/abs/2402.07192v1
- Date: Sun, 11 Feb 2024 12:58:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 17:09:10.154954
- Title: Spatio-spectral classification of hyperspectral images for brain cancer
detection during surgical operations
- Title（参考訳）: 手術時脳腫瘍検出のためのハイパースペクトル画像の時空間分類
- Authors: H. Fabelo, S. Ortega, D. Ravi, B. R. Kiran, C. Sosa, D. Bulters, G. M.
Callico, H. Bulstrode, A. Szolna, J. F. Pineiro, S. Kabwama, D. Madronal, R.
Lazcano, A. J. OShanahan, S. Bisshopp, M. Hernandez, A. Baez-Quevedo, G. Z.
Yang, B. Stanciulescu, R. Salvador, E. Juarez, R. Sarmiento
- Abstract要約: 脳腫瘍の手術は神経外科において大きな問題である。
手術中の腫瘍境界の同定は困難である。
本研究では,ハイパースペクトル画像の空間特性とスペクトル特性を考慮した新しい分類法の開発について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Surgery for brain cancer is a major problem in neurosurgery. The diffuse
infiltration into the surrounding normal brain by these tumors makes their
accurate identification by the naked eye difficult. Since surgery is the common
treatment for brain cancer, an accurate radical resection of the tumor leads to
improved survival rates for patients. However, the identification of the tumor
boundaries during surgery is challenging. Hyperspectral imaging is a
noncontact, non-ionizing and non-invasive technique suitable for medical
diagnosis. This study presents the development of a novel classification method
taking into account the spatial and spectral characteristics of the
hyperspectral images to help neurosurgeons to accurately determine the tumor
boundaries in surgical-time during the resection, avoiding excessive excision
of normal tissue or unintentionally leaving residual tumor. The algorithm
proposed in this study to approach an efficient solution consists of a hybrid
framework that combines both supervised and unsupervised machine learning
methods. To evaluate the proposed approach, five hyperspectral images of
surface of the brain affected by glioblastoma tumor in vivo from five different
patients have been used. The final classification maps obtained have been
analyzed and validated by specialists. These preliminary results are promising,
obtaining an accurate delineation of the tumor area.
- Abstract（参考訳）: 脳腫瘍の手術は神経外科において大きな問題である。
これらの腫瘍による周囲の正常脳への拡散浸潤は、裸眼による正確な同定を困難にする。
脳腫瘍に対する手術は一般的な治療であるため、腫瘍の正確な根治的切除は患者の生存率の向上につながる。
しかし,手術中の腫瘍境界の同定は困難である。
ハイパースペクトルイメージングは、医学的診断に適した非接触、非イオン化、非侵襲的な技術である。
本研究は,脳神経外科医が外科手術時の腫瘍境界を正確に決定するのに役立つため,高スペクトル像の空間的・スペクトル的特徴を考慮に入れた新しい分類法の開発である。
本研究で提案するアルゴリズムは,教師付きと教師なしの両方の機械学習手法を組み合わせたハイブリッドフレームワークからなる。
提案法を評価するために,in vivoで5例の異なる患者から,グリオブラスト腫腫瘍の影響を受ける脳表面の5つのハイパースペクトル画像を用いた。
得られた最終分類地図は専門家によって分析され検証された。
これらの予備的結果は有望であり,腫瘍領域の正確な明細化が得られる。
関連論文リスト
- Brain Tumor Classification From MRI Images Using Machine Learning [0.24739484546803336]
脳腫瘍は生命を脅かす問題であり、人間の身体の正常な機能を損なう。
医用画像におけるディープラーニングアルゴリズムの使用により、脳腫瘍の分類と診断が大幅に改善された。
本研究の目的は,機械学習を用いた脳腫瘍検出のための予測システムを開発することである。
論文 参考訳（メタデータ） (2024-07-15T11:30:40Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - Prediction of brain tumor recurrence location based on multi-modal
fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。
まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。
次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。
2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文 参考訳（メタデータ） (2023-04-11T02:45:38Z) - Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。
本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
論文 参考訳（メタデータ） (2021-08-08T11:26:34Z) - MAG-Net: Mutli-task attention guided network for brain tumor
segmentation and classification [0.9176056742068814]
本稿では,MRI画像を用いて脳腫瘍領域の分類と分類を行うマルチタスク注意誘導エンコーダネットワーク(MAG-Net)を提案する。
このモデルは既存の最先端モデルと比較して有望な結果を得た。
論文 参考訳（メタデータ） (2021-07-26T16:51:00Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Brain Tumors Classification for MR images based on Attention Guided Deep
Learning Model [3.6328238032703806]
我々は既存の技術を分析し、注意誘導深層畳み込みニューラルネットワーク(CNN)モデルを提案する。
腫瘍の有無を特定するための10倍のクロスバリデーション下での平均精度99.18%を達成できる。
医師が脳腫瘍の効率的な診断を行うのを助ける。
論文 参考訳（メタデータ） (2021-04-06T07:25:52Z) - Brain Tumor Classification Using Medial Residual Encoder Layers [9.038707616951795]
がんは世界で2番目に多い死因であり、2018年だけで950万人以上が死亡している。
脳腫瘍は4件のがん死亡のうち1件を数えている。
本稿では,エンコーダブロックを含むディープラーニングに基づくシステムを提案する。
3064 MR画像からなるデータセット上でのこのモデルの実験的評価は、95.98%の精度を示しており、このデータベースに関する以前の研究より優れている。
論文 参考訳（メタデータ） (2020-11-01T21:19:38Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Region of Interest Identification for Brain Tumors in Magnetic Resonance
Images [8.75217589103206]
そこで我々は,腫瘍周辺で最小の境界ボックスを見つけるために,軽量計算量で高速かつ自動化された手法を提案する。
この領域は、サブリージョン腫瘍セグメンテーションのトレーニングネットワークにおける前処理ステップとして使用できる。
提案手法は BraTS 2015 データセット上で評価され,得られた平均 DICE スコアは 0.73 である。
論文 参考訳（メタデータ） (2020-02-26T14:10:40Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。