論文の概要: Respiratory Differencing: Enhancing Pulmonary Thermal Ablation Evaluation Through Pre- and Intra-Operative Image Fusion
- arxiv url: http://arxiv.org/abs/2408.04299v3
- Date: Tue, 08 Apr 2025 05:23:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-09 13:26:31.534334
- Title: Respiratory Differencing: Enhancing Pulmonary Thermal Ablation Evaluation Through Pre- and Intra-Operative Image Fusion
- Title(参考訳): 呼吸ディフレクション : 術前および術中画像融合による肺熱アブレーション評価の促進
- Authors: Wan Li, Wei Li, Moheng Rong, Yutao Rao, Hui Tang, Yudong Zhang, Feng Wang,
- Abstract要約: textitRespiratory Differenceは、アブレーション評価を改善することを目的とした、新しい術中CT画像支援システムである。
このシステムは、まず術前CT画像に腫瘍領域を区分し、その後、多段階登録プロセスを使用する。
35症例の経過観察の結果,本システムは従来の主観的評価よりも有意に優れていた。
- 参考スコア(独自算出の注目度): 17.791150727037817
- License:
- Abstract: CT image-guided thermal ablation is widely used for lung cancer treatment; however, follow-up data indicate that physicians' subjective assessments of intraoperative images often overestimate the ablation effect, potentially leading to incomplete treatment. To address these challenges, we developed \textit{Respiratory Differencing}, a novel intraoperative CT image assistance system aimed at improving ablation evaluation. The system first segments tumor regions in preoperative CT images and then employs a multi-stage registration process to align these images with corresponding intraoperative or postoperative images, compensating for respiratory deformations and treatment-induced changes. This system provides two key outputs to help physicians evaluate intraoperative ablation. First, differential images are generated by subtracting the registered preoperative images from the intraoperative ones, allowing direct visualization and quantitative comparison of pre- and post-treatment differences. These differential images enable physicians to assess the relative positions of the tumor and ablation zones, even when the tumor is no longer visible in post-ablation images, thus improving the subjective evaluation of ablation effectiveness. Second, the system provides a quantitative metric that measures the discrepancies between the tumor area and the treatment zone, offering a numerical assessment of the overall efficacy of ablation.This pioneering system compensates for complex lung deformations and integrates pre- and intra-operative imaging data, enhancing quality control in cancer ablation treatments. A follow-up study involving 35 clinical cases demonstrated that our system significantly outperforms traditional subjective assessments in identifying under-ablation cases during or immediately after treatment, highlighting its potential to improve clinical decision-making and patient outcomes.
- Abstract(参考訳): CT画像誘導熱アブレーションは肺癌治療に広く用いられているが,術後のデータから,術中画像の主観的評価がアブレーション効果を過大評価し,不完全治療につながる可能性が示唆された。
これらの課題に対処するため, アブレーション評価の改善を目的とした新しい術中CT画像支援システムであるtextit{Respiratory Difference} を開発した。
本システムは, 術前CT画像中の腫瘍領域をまず区分し, 多段階登録プロセスを用いて, 対応する術中画像や術後画像と照合し, 呼吸変形や治療に伴う変化を補正する。
このシステムは、医師が術中アブレーションを評価するのに役立つ2つの重要なアウトプットを提供する。
まず,術中画像から登録した術前画像を抽出し,前処理と後処理の違いを直接可視化し,定量的に比較することにより,差分画像を生成する。
これらの差動画像は, 腫瘍の相対的な位置とアブレーション領域を, アブレーション後の画像で腫瘍が見えなくなった場合でも評価し, アブレーション効果の主観的評価を改善することができる。
第2に、このシステムは、腫瘍領域と治療ゾーンの差異を測定し、アブレーションの全体的な効果を数値的に評価する定量的指標を提供する。この先駆的なシステムは、複雑な肺の変形を補償し、術前および術中イメージングデータを統合し、がんアブレーション治療における品質管理を強化する。
症例35例を対象とした追跡調査の結果, 治療前後の診断において, 従来の主観的評価よりも有意に優れており, 臨床的意思決定や患者予後の改善の可能性が示唆された。
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。