論文の概要: Respiratory Subtraction for Pulmonary Microwave Ablation Evaluation
- arxiv url: http://arxiv.org/abs/2408.04299v1
- Date: Thu, 8 Aug 2024 08:25:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-09 16:08:12.674229
- Title: Respiratory Subtraction for Pulmonary Microwave Ablation Evaluation
- Title（参考訳）: 肺マイクロ波アブレーション評価のための呼吸サブトラクション
- Authors: Wan Li, Xinyun Zhong, Wei Li, Song Zhang, Moheng Rong, Yan Xi, Peng Yuan, Zechen Wang, Xiaolei Jiang, Rongxi Yi, Hui Tang, Yang Chen, Chaohui Tong, Zhan Wu, Feng Wang,
- Abstract要約: 肺癌は世界的ながん死亡の主な原因であり、しばしば最小限の侵襲的介入を必要とする。
術前および術後の画像誘導に基づく肺腫瘍アブレーション治療成績を評価するための呼吸減量法を提案する。
- 参考スコア（独自算出の注目度）: 17.44864104433665
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Currently, lung cancer is a leading cause of global cancer mortality, often necessitating minimally invasive interventions. Microwave ablation (MWA) is extensively utilized for both primary and secondary lung tumors. Although numerous clinical guidelines and standards for MWA have been established, the clinical evaluation of ablation surgery remains challenging and requires long-term patient follow-up for confirmation. In this paper, we propose a method termed respiratory subtraction to evaluate lung tumor ablation therapy performance based on pre- and post-operative image guidance. Initially, preoperative images undergo coarse rigid registration to their corresponding postoperative positions, followed by further non-rigid registration. Subsequently, subtraction images are generated by subtracting the registered preoperative images from the postoperative ones. Furthermore, to enhance the clinical assessment of MWA treatment performance, we devise a quantitative analysis metric to evaluate ablation efficacy by comparing differences between tumor areas and treatment areas. To the best of our knowledge, this is the pioneering work in the field to facilitate the assessment of MWA surgery performance on pulmonary tumors. Extensive experiments involving 35 clinical cases further validate the efficacy of the respiratory subtraction method. The experimental results confirm the effectiveness of the respiratory subtraction method and the proposed quantitative evaluation metric in assessing lung tumor treatment.
- Abstract（参考訳）: 現在、肺がんは世界的ながん死亡の主な原因であり、しばしば最小限の侵襲的介入を必要としている。
マイクロ波アブレーション(MWA)は原発性および二次性肺腫瘍に広く用いられている。
MWAに関する多くの臨床ガイドラインや基準が確立されているが、アブレーション手術の臨床評価は依然として困難であり、長期の経過観察が必要である。
本稿では,術前および術後の画像誘導に基づく肺腫瘍アブレーション治療成績を評価するための呼吸減量法を提案する。
当初,術中画像は術後の部位に粗い硬直な登録を行い,さらに非厳密な登録を行った。
その後、登録された術前画像と術後画像とを減算して減算画像を生成する。
さらに, MWA治療成績の臨床的評価を高めるために, 腫瘍領域と治療領域の差異を比較することで, アブレーション効果を評価する定量的分析指標を考案した。
我々の知る限り、肺腫瘍に対するMWA手術成績の評価を容易にするため、この分野における先駆的な取り組みである。
35の臨床症例を含む広範囲な実験により,呼吸減量法の有効性がさらに検証された。
肺腫瘍治療の評価において,呼吸減量法の有効性と定量的評価基準の有効性を実験的に検証した。
関連論文リスト
- Optimizing Lung Cancer Detection in CT Imaging: A Wavelet Multi-Layer Perceptron (WMLP) Approach Enhanced by Dragonfly Algorithm (DA) [0.294944680995069]
本研究では,CTスキャン画像から肺がんを分類するための最先端のディープラーニングフレームワークを提案する。
この研究には、画像前処理戦略、特にCannyエッジ検出とウェーブレット変換が含まれる。
この手法は99.82%の優れた訓練と検査精度を達成し、肺癌の正確な診断の有効性と信頼性を裏付けている。
論文 参考訳（メタデータ） (2024-08-27T18:27:47Z) - 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) - Automatic segmentation of lung findings in CT and application to Long
COVID [38.69538648742266]
S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。
S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
論文 参考訳（メタデータ） (2023-10-13T23:42:43Z) - High-risk Factor Prediction in Lung Cancer Using Thin CT Scans: An
Attention-Enhanced Graph Convolutional Network Approach [9.795111455349183]
肺がんは、特に進行期において、世界中で死因となっている。
本研究は,術前CT画像に基づいて,I期肺癌に高リスク因子が存在するか否かを分類するために,Atention-Enhanced Graph Convolutional Network (AE-GCN)モデルを提案する。
論文 参考訳（メタデータ） (2023-08-27T04:24:04Z) - Prediction of Post-Operative Renal and Pulmonary Complications Using
Transformers [69.81176740997175]
術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。
以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2023-06-01T14:08:05Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳（メタデータ） (2022-07-07T04:24:17Z) - 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) - Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for
Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。
胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
論文 参考訳（メタデータ） (2021-03-06T02:16:41Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - A deep learning-facilitated radiomics solution for the prediction of
lung lesion shrinkage in non-small cell lung cancer trials [2.929792935431798]
非小細胞肺癌患者のCT画像から抽出した放射線学的特徴に基づく深層学習による肺病変反応の予測手法を提案する。
トレーニングセット上の5倍のクロス検証の結果、AUCは0.84 +/- 0.03となり、テストデータセットの予測は30%の直径縮小の結果、AUCは0.73 +/- 0.02に達した。
論文 参考訳（メタデータ） (2020-03-05T21:49:42Z) - A Bayesian approach to tissue-fraction estimation for oncological PET
segmentation [0.13048920509133805]
腫瘍性PETにおける腫瘍のセグメンテーションは、システム解像度が低く、ボクセルサイズが有限であるために生じる部分体積効果のために困難である。
腫瘍学的PETセグメンテーションのための組織破壊評価のためのベイズ的アプローチを提案する。
ACRIN 6668/RTOG 0235多施設臨床試験のステージIIB/III非小細胞肺癌の臨床像を用いて評価した。
論文 参考訳（メタデータ） (2020-02-29T17:40:04Z)
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。