論文の概要: Spatial Matching of 2D Mammography Images and Specimen Radiographs: Towards Improved Characterization of Suspicious Microcalcifications
- arxiv url: http://arxiv.org/abs/2405.13237v1
- Date: Tue, 21 May 2024 22:51:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-25 01:53:42.504903
- Title: Spatial Matching of 2D Mammography Images and Specimen Radiographs: Towards Improved Characterization of Suspicious Microcalcifications
- Title（参考訳）: 2次元マンモグラフィ画像と検体X線像の空間的マッチング : 微石灰化の簡易化を目指して
- Authors: Noor Nakhaei, Chrysostomos Marasinou, Akinyinka Omigbodun, Nina Capiro, Bo Li, Anne Hoyt, William Hsu,
- Abstract要約: 本研究の目的は,マンモグラフィー画像とデジタル組織像を用いて,微小石灰化と周辺の乳房組織を共同で評価することである。
針生検で微小石灰化が認められたマンモグラフィ領域の同定には,高い負の予測値 (0.98) が得られたが, 適度な精度 (0.66) とリコール (0.58) が得られた。
- 参考スコア（独自算出の注目度）: 4.832671174884526
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate characterization of suspicious microcalcifications is critical to determine whether these calcifications are associated with invasive disease. Our overarching objective is to enable the joint characterization of microcalcifications and surrounding breast tissue using mammography images and digital histopathology images. Towards this goal, we investigate a template matching-based approach that utilizes microcalcifications as landmarks to match radiographs taken of biopsy core specimens to groups of calcifications that are visible on mammography. Our approach achieved a high negative predictive value (0.98) but modest precision (0.66) and recall (0.58) in identifying the mammographic region where microcalcifications were taken during a core needle biopsy.
- Abstract（参考訳）: 不審な微小石灰化の正確な特徴は、これらの石灰化が浸潤性疾患と関連しているかどうかを判断するために重要である。
本研究の目的は,マンモグラフィー画像とデジタル組織像を用いて,微小石灰化と周辺の乳房組織を共同で評価することである。
本研究の目的は, マイクロ石灰化をランドマークとして利用し, 生検コア標本から採取したX線写真とマンモグラフィーで見る石灰化の群とをマッチングするテンプレートマッチング方式を提案することである。
針生検で微小石灰化が認められたマンモグラフィ領域の同定には,高い負の予測値 (0.98) が得られたが, 適度な精度 (0.66) とリコール (0.58) が得られた。
関連論文リスト
- Breast Histopathology Image Retrieval by Attention-based Adversarially Regularized Variational Graph Autoencoder with Contrastive Learning-Based Feature Extraction [1.48419209885019]
本研究は,乳房組織像検索のための新しいアテンションベース逆正則変分グラフオートエンコーダモデルを提案する。
乳がん組織像の2つの公開データセットを用いて,提案モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-05-07T11:24:37Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳（メタデータ） (2023-10-16T13:58:53Z) - Region of Interest Detection in Melanocytic Skin Tumor Whole Slide
Images [4.091302612488775]
メラノサイト性皮膚腫瘍全すべり画像に対するパッチベースの関心領域検出法を提案する。
我々は165個のメラノーマとネビ・ヘマトキシリンとエオシンの全スライディング画像を含むデータセットを用いて研究を行った。
提案手法は、5つのTCGA-SKCMスライドを含むホールドアウトテストデータセット上で良好に動作する。
論文 参考訳（メタデータ） (2022-10-29T01:12:08Z) - 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) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Cross-Modal Contrastive Learning for Abnormality Classification and
Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。
まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。
放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文 参考訳（メタデータ） (2021-04-11T09:16:29Z) - Segmenting Microcalcifications in Mammograms and its Applications [13.14445724857568]
微小石灰化はSitu乳癌の直腸癌の特異な徴候である。
既存のコンピュータ化されたマイクロ石灰化の検出とセグメント化のためのアルゴリズムは、高い偽陽性率に悩まされる傾向にある。
深層学習を用いた正確な石灰化セグメンテーション法を提案する。
論文 参考訳（メタデータ） (2021-02-01T12:58:54Z) - Deep Learning-Based Automatic Detection of Poorly Positioned Mammograms
to Minimize Patient Return Visits for Repeat Imaging: A Real-World
Application [0.9304227142731367]
本研究では, 意思決定過程を模倣し, 自動化し, 位置が不適切なマンモグラムを同定する深層学習アルゴリズムを提案する。
提案モデルでは,正位91.35%,正位95.11%,正位91.35%,正位95.11%であった。
論文 参考訳（メタデータ） (2020-09-28T18:54:53Z) - Understanding the robustness of deep neural network classifiers for
breast cancer screening [52.50078591615855]
ディープニューラルネットワーク(DNN)は乳がん検診において有望であるが、その入力摂動に対する堅牢性は臨床的に実装される前によりよく理解する必要がある。
放射線技師レベルのマンモグラム画像分類器の4種類の入力摂動に対する感度を測定した。
また,低域通過フィルタの効果について詳細な解析を行い,臨床的に有意な特徴の視認性を低下させることを示した。
論文 参考訳（メタデータ） (2020-03-23T01:26:36Z) - Learning from Suspected Target: Bootstrapping Performance for Breast
Cancer Detection in Mammography [6.323318523772466]
対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。
まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。
以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
論文 参考訳（メタデータ） (2020-03-01T09:04:24Z)
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。