Fugu-MT 論文翻訳(概要): Weakly Supervised Detection of Pheochromocytomas and Paragangliomas in CT

論文の概要: Weakly Supervised Detection of Pheochromocytomas and Paragangliomas in CT

arxiv url: http://arxiv.org/abs/2402.08697v1
Date: Mon, 12 Feb 2024 22:45:19 GMT
ステータス: 処理完了
システム内更新日: 2024-02-15 18:21:21.927065
Title: Weakly Supervised Detection of Pheochromocytomas and Paragangliomas in CT
Title（参考訳）: CTにおけるPheochromocytomasおよびParagangliomasの検出について
Authors: David C. Oluigboa, Bikash Santra, Tejas Sudharshan Mathai, Pritam Mukherjee, Jianfei Liu, Abhishek Jha, Mayank Patel, Karel Pacak, Ronald M. Summers
Abstract要約: 褐色細胞腫 (Pheochromocytomas) とパラガングリオーマ (Paragangliomas, Ls) は稀な副腎腫瘍である。本稿では,プロキシセグメンテーションタスクを用いたCT研究におけるPPGLの自動検出手法を提案する。 PPGLと診断された255例の胸腹部骨盤CTによるデータセットについて検討した。
参考スコア（独自算出の注目度）: 3.8929081466168065
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Pheochromocytomas and Paragangliomas (PPGLs) are rare adrenal and extra-adrenal tumors which have the potential to metastasize. For the management of patients with PPGLs, CT is the preferred modality of choice for precise localization and estimation of their progression. However, due to the myriad variations in size, morphology, and appearance of the tumors in different anatomical regions, radiologists are posed with the challenge of accurate detection of PPGLs. Since clinicians also need to routinely measure their size and track their changes over time across patient visits, manual demarcation of PPGLs is quite a time-consuming and cumbersome process. To ameliorate the manual effort spent for this task, we propose an automated method to detect PPGLs in CT studies via a proxy segmentation task. As only weak annotations for PPGLs in the form of prospectively marked 2D bounding boxes on an axial slice were available, we extended these 2D boxes into weak 3D annotations and trained a 3D full-resolution nnUNet model to directly segment PPGLs. We evaluated our approach on a dataset consisting of chest-abdomen-pelvis CTs of 255 patients with confirmed PPGLs. We obtained a precision of 70% and sensitivity of 64.1% with our proposed approach when tested on 53 CT studies. Our findings highlight the promising nature of detecting PPGLs via segmentation, and furthers the state-of-the-art in this exciting yet challenging area of rare cancer management.
Abstract（参考訳）: 褐色細胞腫と傍ガングリオーマ(ppgl)は稀な副腎外腫瘍であり、転移の可能性がある。 PPGLの患者に対して,CTは正確な局所化と進行の予測に好適なモダリティである。しかし, 異なる解剖学的領域における腫瘍の大きさ, 形態, 出現の多様さから, 放射線技師はPPGLの正確な検出が困難である。臨床医は、患者の訪問を通じて、定期的にサイズを計測し、変化を追跡する必要があるため、ppglの手動定義は、非常に時間がかかり、面倒なプロセスである。この作業に費やした手作業を改善するために,プロキシセグメンテーションタスクを用いたCT研究におけるPPGLの自動検出手法を提案する。 PPGLの弱いアノテーションは軸スライス上に有意にマークされた2Dバウンディングボックスの形でのみ利用可能であり、これらの2Dボックスを弱い3Dアノテーションに拡張し、PPGLを直接セグメントする3DフルレゾリューションnnUNetモデルを訓練した。 PPGLと診断された255例の胸腹部骨盤CTによるデータセットについて検討した。 53例のCT検査で,提案手法により70%の精度と64.1%の感度を得た。本研究は, 分節化によるppgl検出の有望な性質を浮き彫りにしており, 稀少な癌管理の領域において, 最先端の課題である。

関連論文リスト

Triage of 3D pathology data via 2.5D multiple-instance learning to guide pathologist assessments [7.735043623909641]
本稿では,3次元生検において最もリスクの高い2Dスライスを自動的に識別する深層学習トリアージアプローチであるCARP3Dを提案する。前立腺がんのリスク層化のために、CARP3Dは2Dセクションの独立解析に依存して、90.4%の曲線(AUC)の領域を達成している。
論文参考訳（メタデータ） (2024-06-11T08:42:07Z)
Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
論文参考訳（メタデータ） (2024-01-31T21:05:34Z)
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)
Prostate Cancer Malignancy Detection and localization from mpMRI using auto-Deep Learning: One Step Closer to Clinical Utilization [1.10631624467393]
我々は201人の患者を対象に、パブリックコホートで独自の畳み込みニューラルネットワークを訓練した。末梢領域 (PZ) と中心腺 (CG) を個別に訓練し, 試験を行った。 PZ検出器とCG検出器は、配列から最も疑わしいスライスをハイライトするために効果的に実証された。
論文参考訳（メタデータ） (2022-06-13T15:14:59Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
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)
Deep Volumetric Universal Lesion Detection using Light-Weight Pseudo 3D Convolution and Surface Point Regression [23.916776570010285]
コンピュータ支援型病変/重要なフィンディング検出技術は、医療画像の核心にある。そこで本研究では,(1) P3DC演算子を組み込んだ深層アンカーフリーワンステージVULDフレームワークを提案する。 3次元病変の空間範囲を効果的に抑圧する新しいSPR法は、その代表的キーポイントを病変表面にピンポイントすることで実現される。
論文参考訳（メタデータ） (2020-08-30T19:42:06Z)
Detecting Scatteredly-Distributed, Small, andCritically Important Objects in 3D OncologyImaging via Decision Stratification [23.075722503902714]
本研究は腫瘍学的に重要なリンパ節(または不審な癌転移)の検出と分節に焦点を当てた。我々はOSLNを腫瘍近位・腫瘍遠位分類に分割する分断型決定階層化手法を提案する。局所的な3D画像パッチから得られた特徴と高次病変特性を組み合わせた新しいグローバルローカルネットワーク(GLNet)を提案する。
論文参考訳（メタデータ） (2020-05-27T23:12:11Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。