論文の概要: A Lung Nodule Dataset with Histopathology-based Cancer Type Annotation

• arxiv url: http://arxiv.org/abs/2406.18102v1
• Date: Wed, 26 Jun 2024 06:39:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-27 14:28:34.632282
• Title: A Lung Nodule Dataset with Histopathology-based Cancer Type Annotation
• Title（参考訳）: 病理組織学的に癌型アノテーションが有用であった肺結節の1例
• Authors: Muwei Jian, Hongyu Chen, Zaiyong Zhang, Nan Yang, Haorang Zhang, Lifu Ma, Wenjing Xu, Huixiang Zhi,
• Abstract要約: 本研究は,医療診断用データセットと信頼性ツールを提供することにより,このギャップを埋めることを目的としている。 330個の注記結節(結節は束縛箱とラベル付けされている)を95名の別患者から抽出し,CT画像の多彩なデータセットを収集した。 これらの有望な結果は、データセットが実現可能であり、さらにインテリジェントな補助診断を容易にすることを証明している。
• 参考スコア（独自算出の注目度）: 12.617587827105496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, Computer-Aided Diagnosis (CAD) systems have emerged as indispensable tools in clinical diagnostic workflows, significantly alleviating the burden on radiologists. Nevertheless, despite their integration into clinical settings, CAD systems encounter limitations. Specifically, while CAD systems can achieve high performance in the detection of lung nodules, they face challenges in accurately predicting multiple cancer types. This limitation can be attributed to the scarcity of publicly available datasets annotated with expert-level cancer type information. This research aims to bridge this gap by providing publicly accessible datasets and reliable tools for medical diagnosis, facilitating a finer categorization of different types of lung diseases so as to offer precise treatment recommendations. To achieve this objective, we curated a diverse dataset of lung Computed Tomography (CT) images, comprising 330 annotated nodules (nodules are labeled as bounding boxes) from 95 distinct patients. The quality of the dataset was evaluated using a variety of classical classification and detection models, and these promising results demonstrate that the dataset has a feasible application and further facilitate intelligent auxiliary diagnosis.
• Abstract（参考訳）: 近年,臨床診断のワークフローに欠かせないツールとしてコンピュータ支援診断(CAD)システムが登場し,放射線科医の負担を大幅に軽減している。 それでも、臨床環境に統合されているにもかかわらず、CADシステムは限界に直面している。 具体的には、CADシステムは肺結節の検出において高い性能を達成するが、複数のがんタイプを正確に予測することは困難である。 この制限は、専門家レベルのがんタイプ情報に注釈を付けた公開データセットの不足に起因する可能性がある。 本研究の目的は、このギャップを埋めるために、広くアクセス可能なデータセットと診断のための信頼できるツールを提供することにより、さまざまな種類の肺疾患のより詳細な分類を容易にし、正確な治療勧告を提供することである。 この目的を達成するため,95名の異なる患者から330個の注記結節(結節は束縛箱とラベル付けされている)からなるCT画像の多彩なデータセットを収集した。 データセットの品質は,様々な古典的分類と検出モデルを用いて評価され,これらの有望な結果は,データセットが実現可能であり,さらにインテリジェントな補助診断を容易にすることを証明している。

関連論文リスト

• Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
  RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。 私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
  論文  参考訳（メタデータ） (2023-12-26T18:20:48Z)
• An Empirical Analysis for Zero-Shot Multi-Label Classification on COVID-19 CT Scans and Uncurated Reports [0.5527944417831603]
  パンデミックは、医学検査の増加により、放射線学の報告を含む、膨大な構造化されていないデータのリポジトリに繋がった。 新型コロナウイルスの自動診断に関するこれまでの研究は、CT(Computed tomography)スキャンと比較して精度が低いにもかかわらず、主にX線画像に焦点を当てていた。 本研究では,病院の非構造データを活用し,CTスキャンによって提供される細かな細部を利用して,対照的な視覚言語学習に基づくゼロショット多ラベル分類を行う。
  論文  参考訳（メタデータ） (2023-09-04T17:58:01Z)
• CARE: A Large Scale CT Image Dataset and Clinical Applicable Benchmark Model for Rectal Cancer Segmentation [8.728236864462302]
  CT画像の直腸癌セグメンテーションは、タイムリーな臨床診断、放射線治療、経過観察において重要な役割を担っている。 これらの障害は直腸の複雑な解剖学的構造と直腸癌の鑑別診断の困難から生じる。 これらの課題に対処するため,本研究では,正常直腸と癌直腸の両方にピクセルレベルのアノテーションを付加した,新しい大規模直腸癌CT画像データセットCAREを導入する。 また,U-SAMと命名された新しい癌病変セグメンテーションベンチマークモデルを提案する。 このモデルは、迅速な情報を取り入れることで、腹部器官の複雑な解剖学的構造によって引き起こされる課題に対処するように設計されている。
  論文  参考訳（メタデータ） (2023-08-16T10:51:27Z)
• Towards Reliable and Explainable AI Model for Solid Pulmonary Nodule Diagnosis [20.510918720980467]
  肺がんは世界で最も死亡率が高い。 結節検出・診断において,放射線科医を支援するコンピュータ支援診断システム(CAD)が開発された。 モデル信頼性の欠如と解釈可能性の欠如は、その大規模臨床応用の大きな障害である。
  論文  参考訳（メタデータ） (2022-04-08T08:21:00Z)
• A Personalized Diagnostic Generation Framework Based on Multi-source Heterogeneous Data [8.115713756776119]
  本稿では,病理画像と医療報告を組み合わせることで,個別の患者に対してパーソナライズされた診断結果を生成する枠組みを提案する。 核レベルの特徴的類似性とコンテンツに基づく深層学習法を用いて,類似した病理特性を持つ個体群を探索する。
  論文  参考訳（メタデータ） (2021-10-26T13:12:52Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)
• Hierarchical Classification of Pulmonary Lesions: A Large-Scale Radio-Pathomics Study [38.78350161086617]
  CTによる肺病変の診断は重要であるが,肺癌関連疾患の臨床的判断には困難である。 深層学習は肺がんに対するコンピュータ支援診断 (CADx) 領域において大きな成功を収めているが, 放射線診断の困難さからラベルの曖昧さに悩まされている。 本研究は, 侵襲的病理解析が肺がん診断の黄金基準となっていることを考慮し, 大規模放射線病的データセットを用いてラベルあいまいさを解消する。 この振り返りデータセットはPentral-RadPathと呼ばれ、高精度なディープラーニングシステムの開発と検証により、非侵襲的な病理組織ラベルを予測できる。
  論文  参考訳（メタデータ） (2020-10-08T15:14:34Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。