論文の概要: AI-based Automatic Segmentation of Prostate on Multi-modality Images: A Review
- arxiv url: http://arxiv.org/abs/2407.06612v1
- Date: Tue, 9 Jul 2024 07:36:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 18:56:02.891981
- Title: AI-based Automatic Segmentation of Prostate on Multi-modality Images: A Review
- Title(参考訳): マルチモダリティ画像を用いたAIによる前立腺の自動セグメンテーション
- Authors: Rui Jin, Derun Li, Dehui Xiang, Lei Zhang, Hailing Zhou, Fei Shi, Weifang Zhu, Jing Cai, Tao Peng, Xinjian Chen,
- Abstract要約: 前立腺癌患者の死亡率の低下には早期発見が不可欠である。
前立腺のセグメンテーションは、画像と前立腺の複雑な組織構造に欠陥があるため困難である。
最近の機械学習とデータマイニングツールは、画像セグメンテーションを含む様々な医療分野に統合されている。
- 参考スコア(独自算出の注目度): 17.187976904150545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prostate cancer represents a major threat to health. Early detection is vital in reducing the mortality rate among prostate cancer patients. One approach involves using multi-modality (CT, MRI, US, etc.) computer-aided diagnosis (CAD) systems for the prostate region. However, prostate segmentation is challenging due to imperfections in the images and the prostate's complex tissue structure. The advent of precision medicine and a significant increase in clinical capacity have spurred the need for various data-driven tasks in the field of medical imaging. Recently, numerous machine learning and data mining tools have been integrated into various medical areas, including image segmentation. This article proposes a new classification method that differentiates supervision types, either in number or kind, during the training phase. Subsequently, we conducted a survey on artificial intelligence (AI)-based automatic prostate segmentation methods, examining the advantages and limitations of each. Additionally, we introduce variants of evaluation metrics for the verification and performance assessment of the segmentation method and summarize the current challenges. Finally, future research directions and development trends are discussed, reflecting the outcomes of our literature survey, suggesting high-precision detection and treatment of prostate cancer as a promising avenue.
- Abstract(参考訳): 前立腺がんは健康にとって大きな脅威である。
前立腺癌患者の死亡率の低下には早期発見が不可欠である。
1つのアプローチは、前立腺領域にマルチモーダル(CT、MRI、USなど)コンピュータ支援診断(CAD)システムを使用することである。
しかし、前立腺の断片化は、画像や前立腺の複雑な組織構造に欠陥があるため困難である。
精密医療の出現と臨床能力の大幅な向上は、医用画像の分野で様々なデータ駆動タスクの必要性を喚起している。
近年,画像セグメンテーションなど,さまざまな医療領域に機械学習やデータマイニングツールが組み込まれている。
本稿では,指導段階において,数と種類を区別する新たな分類法を提案する。
その後,AIを用いた自動前立腺分割法の調査を行い,それぞれの利点と限界について検討した。
さらに,セグメンテーション手法の検証と性能評価のための評価指標の変種を導入し,現状の課題を要約する。
最後に, 文献調査の結果を反映した今後の研究の方向性と開発動向について考察し, 前立腺癌の早期発見と治療が期待できる道として示唆された。
関連論文リスト
- Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。
本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文 参考訳(メタデータ) (2024-07-08T09:08:42Z) - A Narrative Review of Image Processing Techniques Related to Prostate Ultrasound [40.42947222889337]
前立腺癌(PCa)は男性の健康に重大な脅威となり、早期診断は予後の改善と死亡率の低下に不可欠である。
経直腸超音波(TRUS)はPCaの診断と画像誘導療法において重要な役割を担っている。
TRUSにおける多くの画像処理アルゴリズムが提案され、いくつかのタスクで最先端のパフォーマンスを達成した。
論文 参考訳(メタデータ) (2024-06-30T12:33:56Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳(メタデータ) (2023-11-30T15:11:03Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳(メタデータ) (2023-10-11T05:49:47Z) - ECPC-IDS:A benchmark endometrail cancer PET/CT image dataset for
evaluation of semantic segmentation and detection of hypermetabolic regions [7.420919215687338]
子宮内膜癌は女性の生殖系において最も一般的な腫瘍の1つである。
このデータセットは、多数の画像を持つ子宮内膜癌の最初の公開データセットである。
論文 参考訳(メタデータ) (2023-08-16T12:18:27Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳(メタデータ) (2023-07-30T16:08:45Z) - Implementation of Convolutional Neural Network Architecture on 3D
Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。
提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。
提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
論文 参考訳(メタデータ) (2021-12-29T16:47:52Z) - RCA-IUnet: A residual cross-spatial attention guided inception U-Net
model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。
RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。
無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
論文 参考訳(メタデータ) (2021-08-05T10:35:06Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳(メタデータ) (2020-03-23T14:35:08Z) - 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。