論文の概要: Optimizing Synthetic Data for Enhanced Pancreatic Tumor Segmentation
- arxiv url: http://arxiv.org/abs/2407.19284v1
- Date: Sat, 27 Jul 2024 15:38:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 19:01:38.796113
- Title: Optimizing Synthetic Data for Enhanced Pancreatic Tumor Segmentation
- Title(参考訳): 膵腫瘍分節増強のための合成データの最適化
- Authors: Linkai Peng, Zheyuan Zhang, Gorkem Durak, Frank H. Miller, Alpay Medetalibeyoglu, Michael B. Wallace, Ulas Bagci,
- Abstract要約: 本研究は膵腫瘍分節に対する既存の生成AIフレームワークの限界を批判的に評価する。
本研究は,合成テクストサイズとテクスト境界定義精度がモデル性能に与える影響について,一連の実験を行った。
以上の結果より,(1)合成腫瘍サイズの組み合わせを戦略的に選択することが最適セグメンテーションの結果にとって重要であること,(2)正確な境界を持つ合成腫瘍の生成がモデル精度を著しく向上すること,などが示唆された。
- 参考スコア(独自算出の注目度): 1.6321136843816972
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pancreatic cancer remains one of the leading causes of cancer-related mortality worldwide. Precise segmentation of pancreatic tumors from medical images is a bottleneck for effective clinical decision-making. However, achieving a high accuracy is often limited by the small size and availability of real patient data for training deep learning models. Recent approaches have employed synthetic data generation to augment training datasets. While promising, these methods may not yet meet the performance benchmarks required for real-world clinical use. This study critically evaluates the limitations of existing generative-AI based frameworks for pancreatic tumor segmentation. We conduct a series of experiments to investigate the impact of synthetic \textit{tumor size} and \textit{boundary definition} precision on model performance. Our findings demonstrate that: (1) strategically selecting a combination of synthetic tumor sizes is crucial for optimal segmentation outcomes, and (2) generating synthetic tumors with precise boundaries significantly improves model accuracy. These insights highlight the importance of utilizing refined synthetic data augmentation for enhancing the clinical utility of segmentation models in pancreatic cancer decision making including diagnosis, prognosis, and treatment plans. Our code will be available at https://github.com/lkpengcs/SynTumorAnalyzer.
- Abstract(参考訳): 膵臓がんは、世界中でがん関連死亡の原因の1つとなっている。
医用画像からの膵腫瘍の精密分画は, 臨床的に有効な意思決定のボトルネックとなる。
しかし、深層学習モデルの訓練において、実際の患者データの小型化と可用性によって、高い精度を達成することは、しばしば制限される。
近年のアプローチでは、トレーニングデータセットの強化に合成データ生成を採用している。
有望ではあるが、これらの手法は実際の臨床使用に必要なパフォーマンスベンチマークをまだ満たしていないかもしれない。
本研究は膵腫瘍分節に対する既存の生成AIフレームワークの限界を批判的に評価する。
モデル性能に対する合成 \textit{tumor size} と \textit{boundary definition} の精度の影響を調べるための一連の実験を行った。
以上の結果より,(1)合成腫瘍サイズの組み合わせを戦略的に選択することが最適セグメンテーションの結果にとって重要であること,(2)正確な境界を持つ合成腫瘍の生成がモデル精度を著しく向上すること,などが示唆された。
これらの知見は、診断、予後、治療計画を含む膵癌決定におけるセグメンテーションモデルの臨床的有用性を高めるために、改良された合成データ拡張を活用することの重要性を強調している。
私たちのコードはhttps://github.com/lkpengcs/SynTumorAnalyzer.comで利用可能です。
関連論文リスト
- FreeTumor: Advance Tumor Segmentation via Large-Scale Tumor Synthesis [7.064154713491736]
FreeTumorは、堅牢な腫瘍合成とセグメンテーションのための堅牢なソリューションである。
合成トレーニングでは、敵のトレーニング戦略を使用して、大規模で多種多様なラベル付きデータを活用している。
FreeTumorでは,腫瘍セグメント化におけるデータスケーリングの法則について,データセットを1万1千件までスケールアップすることで検討する。
論文 参考訳(メタデータ) (2024-06-03T12:27:29Z) - Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。
特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
論文 参考訳(メタデータ) (2024-05-13T16:07:58Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳(メタデータ) (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳(メタデータ) (2024-05-13T15:40:56Z) - Biophysics Informed Pathological Regularisation for Brain Tumour Segmentation [10.466349398419846]
本稿では,脳腫瘍進展部分微分方程式(PDE)モデルをディープラーニングを用いた正規化として設計する手法を提案する。
本手法では, 腫瘍増殖PDEモデルを直接セグメンテーションプロセスに導入し, 精度とロバスト性を向上する。
我々は、BraTS 2023データセットの広範な実験を通じて、我々のフレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2024-03-14T07:21:46Z) - 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) - Enhancing Transformer-Based Segmentation for Breast Cancer Diagnosis
using Auto-Augmentation and Search Optimisation Techniques [3.495246564946556]
本稿では,自動画像強調選択(RandAugment)と検索戦略(Tree-based Parzen Estimator)を組み合わせた手法を提案する。
乳がん組織学的スライスに対するアプローチを実験的に検証し,がん細胞の分節化に着目した。
以上の結果から,提案手法は組織スライドの変動に対してより回復力のあるセグメンテーションモデルに導かれることが示唆された。
論文 参考訳(メタデータ) (2023-11-18T13:08:09Z) - Segmentation-based Assessment of Tumor-Vessel Involvement for Surgical
Resectability Prediction of Pancreatic Ductal Adenocarcinoma [1.880228463170355]
膵管腺癌 (PDAC) は, 治療の選択肢が限られる進行癌である。
本研究は,腫瘍血管の関与を自動的に評価するワークフローと深層学習に基づくセグメンテーションモデルを提案する。
論文 参考訳(メタデータ) (2023-10-01T10:39:38Z) - Automated ensemble method for pediatric brain tumor segmentation [0.0]
本研究では,ONet と UNet の修正版を用いた新しいアンサンブル手法を提案する。
データ拡張により、さまざまなスキャンプロトコル間の堅牢性と精度が保証される。
以上の結果から,この高度なアンサンブルアプローチは診断精度の向上に期待できる可能性が示唆された。
論文 参考訳(メタデータ) (2023-08-14T15:29:32Z) - 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) - Automatic Data Augmentation via Deep Reinforcement Learning for
Effective Kidney Tumor Segmentation [57.78765460295249]
医用画像セグメンテーションのための新しい学習ベースデータ拡張法を開発した。
本手法では,データ拡張モジュールと後続のセグメンテーションモジュールをエンドツーエンドのトレーニング方法で一貫した損失と,革新的に組み合わせる。
提案法の有効性を検証したCT腎腫瘍分節法について,本法を広範囲に評価した。
論文 参考訳(メタデータ) (2020-02-22T14:10:13Z)
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。