Fugu-MT 論文翻訳(概要): Segmentation-Free Outcome Prediction in Head and Neck Cancer: Deep Learning-based Feature Extraction from Multi-Angle Maximum Intensity Projections (MA-MIPs) of PET Images

論文の概要: Segmentation-Free Outcome Prediction in Head and Neck Cancer: Deep Learning-based Feature Extraction from Multi-Angle Maximum Intensity Projections (MA-MIPs) of PET Images

arxiv url: http://arxiv.org/abs/2405.01756v1
Date: Thu, 2 May 2024 21:46:13 GMT
ステータス: 処理完了
システム内更新日: 2024-05-06 14:15:00.720618
Title: Segmentation-Free Outcome Prediction in Head and Neck Cancer: Deep Learning-based Feature Extraction from Multi-Angle Maximum Intensity Projections (MA-MIPs) of PET Images
Title（参考訳）: 頭頸部癌におけるセグメンテーションフリーアウト予測:PET画像の多角最大強度投影(MA-MIP)からの深層学習による特徴抽出
Authors: Amirhosein Toosi, Isaac Shiri, Habib Zaidi, Arman Rahmim,
Abstract要約: 頭頸部癌(HNC)患者の予後予測のための,革新的な,シンプルで効果的なセグメンテーションフリーアプローチを提案する。 PETボリュームに適用された深層学習に基づく特徴抽出技術と多角最大強度投影(MA-MIP)を活用することにより,手動セグメンテーションの必要性を解消する。 PETボリューム上で頭頸部領域の自動収穫を行うための最先端物体検出モデルを訓練する。その後、事前訓練された深部畳み込みニューラルネットワークのバックボーンを用いて72乗から得られたMA-MIPから深部特徴を抽出する
参考スコア（独自算出の注目度）: 0.31923933006157473
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce an innovative, simple, effective segmentation-free approach for outcome prediction in head \& neck cancer (HNC) patients. By harnessing deep learning-based feature extraction techniques and multi-angle maximum intensity projections (MA-MIPs) applied to Fluorodeoxyglucose Positron Emission Tomography (FDG-PET) volumes, our proposed method eliminates the need for manual segmentations of regions-of-interest (ROIs) such as primary tumors and involved lymph nodes. Instead, a state-of-the-art object detection model is trained to perform automatic cropping of the head and neck region on the PET volumes. A pre-trained deep convolutional neural network backbone is then utilized to extract deep features from MA-MIPs obtained from 72 multi-angel axial rotations of the cropped PET volumes. These deep features extracted from multiple projection views of the PET volumes are then aggregated and fused, and employed to perform recurrence-free survival analysis on a cohort of 489 HNC patients. The proposed approach outperforms the best performing method on the target dataset for the task of recurrence-free survival analysis. By circumventing the manual delineation of the malignancies on the FDG PET-CT images, our approach eliminates the dependency on subjective interpretations and highly enhances the reproducibility of the proposed survival analysis method.
Abstract（参考訳）: 頭頸部癌 (HNC) 患者の予後予測のための革新的, 単純, 効果的セグメンテーションフリーアプローチを提案する。深層学習に基づく特徴抽出技術とFDG-PET(Fluorodeoxyglucose Positron Emission Tomography)ボリュームに適用した多角最大強度投影(MA-MIPs)を利用することで,本手法は原発性腫瘍や関連するリンパ節などの関心領域(ROIs)を手動で分割する必要がなくなる。代わりに、最先端の物体検出モデルを訓練し、PETボリューム上で頭頸部領域の自動収穫を行う。次に、予め訓練した深部畳み込みニューラルネットワークのバックボーンを用いて、収穫されたPETボリュームの72個の多角軸回転から得られたMA-MIPから深部特徴を抽出する。 PETボリュームの複数の投射像から抽出したこれらの深い特徴を集約して融合し,489人のHNC患者のコホートで無再発生存分析を行う。提案手法は,再現性のない生存分析のタスクにおいて,目標データセット上で最高の性能を発揮する。そこで本研究では,FDG PET-CT画像の悪性度を手動で判定することで,主観的解釈への依存を排除し,生存分析法の再現性を高める。

関連論文リスト

Segmentation of Prostate Tumour Volumes from PET Images is a Different Ball Game [6.038532253968018]
既存の方法では、腫瘍輪郭のマニュアルアノテーション中に医師が適用した強度に基づくスケーリングを正確に考慮することができない。我々は、新しいカスタム・フィーチャー・クリッピング・正規化手法を実装した。この結果から, PETスキャンを新規なクリッピング技術で前処理した場合, U-Netモデルの方が優れた性能が得られることがわかった。
論文参考訳（メタデータ） (2024-07-15T08:48:17Z)
Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文参考訳（メタデータ） (2023-08-20T04:10:36Z)
Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文参考訳（メタデータ） (2023-07-02T05:26:54Z)
AutoPaint: A Self-Inpainting Method for Unsupervised Anomaly Detection [34.007468043336274]
健全な解剖学の詳細を学習し,高解像度画像の再構成を行うために,ロバストな塗装モデルを提案する。また,腫瘍を自動的に検出し,その外観を健康な解剖学に置き換えるオートインペインティングパイプラインを提案し,そのセグメントに基づいて腫瘍の体積を推定した。
論文参考訳（メタデータ） (2023-05-21T05:45:38Z)
Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文参考訳（メタデータ） (2023-03-09T15:38:16Z)
Radiomics-enhanced Deep Multi-task Learning for Outcome Prediction in Head and Neck Cancer [11.795108660250843]
PET/CT画像から結果を予測するために,放射能を増強したディープマルチタスクフレームワークを提案する。我々は最近提案したDeep Multi-task Survival Model(DeepMTS)の強化として放射能を取り入れることが新しい。テストセットではCインデックス0.681を達成し,第2位は第1位よりCインデックス0.00068低いリーダボードに配置した。
論文参考訳（メタデータ） (2022-11-10T08:28:56Z)
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)
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)
CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文参考訳（メタデータ） (2021-05-25T12:06:55Z)
Multimodal Spatial Attention Module for Targeting Multimodal PET-CT Lung Tumor Segmentation [11.622615048002567]
マルチモーダル空間アテンションモジュール(MSAM)は腫瘍に関連する領域を強調することを学ぶ。 MSAMは一般的なバックボーンアーキテクチャやトレーニングされたエンドツーエンドに適用できる。
論文参考訳（メタデータ） (2020-07-29T10:27:22Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。