論文の概要: Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Bi-parametric MRI Datasets
- arxiv url: http://arxiv.org/abs/2408.04777v1
- Date: Thu, 8 Aug 2024 22:20:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-12 17:08:34.635254
- Title: Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Bi-parametric MRI Datasets
- Title（参考訳）: マルチサイトバイパラメトリックMRIデータセットを用いた前立腺病変検出のための統一モデルによる深層学習に基づく教師なしドメイン適応
- Authors: Hao Li, Han Liu, Heinrich von Busch, Robert Grimm, Henkjan Huisman, Angela Tong, David Winkel, Tobias Penzkofer, Ivan Shabunin, Moon Hyung Choi, Qingsong Yang, Dieter Szolar, Steven Shea, Fergus Coakley, Mukesh Harisinghani, Ipek Oguz, Dorin Comaniciu, Ali Kamen, Bin Lou,
- Abstract要約: この研究は、9つの異なる画像センターで収集された5,150人の患者(14,191人のサンプル)のデータを含む。
多地点PCa検出のための統一生成モデルを用いた新しいUDA法を開発した。
その結果,多地点PCa病変検出におけるSL法の性能向上が得られた。
- 参考スコア（独自算出の注目度）: 9.237567161183305
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Our hypothesis is that UDA using diffusion-weighted images, generated with a unified model, offers a promising and reliable strategy for enhancing the performance of supervised learning models in multi-site prostate lesion detection, especially when various b-values are present. This retrospective study included data from 5,150 patients (14,191 samples) collected across nine different imaging centers. A novel UDA method using a unified generative model was developed for multi-site PCa detection. This method translates diffusion-weighted imaging (DWI) acquisitions, including apparent diffusion coefficient (ADC) and individual DW images acquired using various b-values, to align with the style of images acquired using b-values recommended by Prostate Imaging Reporting and Data System (PI-RADS) guidelines. The generated ADC and DW images replace the original images for PCa detection. An independent set of 1,692 test cases (2,393 samples) was used for evaluation. The area under the receiver operating characteristic curve (AUC) was used as the primary metric, and statistical analysis was performed via bootstrapping. For all test cases, the AUC values for baseline SL and UDA methods were 0.73 and 0.79 (p<.001), respectively, for PI-RADS>=3, and 0.77 and 0.80 (p<.001) for PI-RADS>=4 PCa lesions. In the 361 test cases under the most unfavorable image acquisition setting, the AUC values for baseline SL and UDA were 0.49 and 0.76 (p<.001) for PI-RADS>=3, and 0.50 and 0.77 (p<.001) for PI-RADS>=4 PCa lesions. The results indicate the proposed UDA with generated images improved the performance of SL methods in multi-site PCa lesion detection across datasets with various b values, especially for images acquired with significant deviations from the PI-RADS recommended DWI protocol (e.g. with an extremely high b-value).
- Abstract（参考訳）: 本仮説は,多地点前立腺病変検出における教師あり学習モデルの性能向上,特に様々なb値が存在する場合に,拡散強調画像を用いたUDAが有望かつ信頼性の高い手法である,というものである。
この振り返り調査では、9つの異なる画像センターで収集された5,150人の患者(14,191人のサンプル)のデータを調査した。
多地点PCa検出のための統一生成モデルを用いた新しいUDA法を開発した。
前立腺イメージングレポート・データシステム(PI-RADS)ガイドラインにより推奨されるb値を用いて取得した画像のスタイルに適合するように、ADCおよび様々なb値を用いて取得した個々のDW画像を含む拡散強調画像(DWI)取得を翻訳する。
生成されたADCおよびDW画像は、PCa検出のために元の画像を置き換える。
1,692検体(2,393検体)の独立したセットを用いて評価を行った。
受信機動作特性曲線 (AUC) の下の領域を主指標とし, ブートストラップによる統計的解析を行った。
全ての検査例において, ベースラインSL法とUDA法では0.73および0.79(p<.001), PI-RADS>=3では0.77および0.80(p<.001)であった。
最も好ましくない画像取得条件下の361例において, ベースラインSLおよびUDAのAUC値は, PI-RADS>=3の0.49および0.76(p<.001), PI-RADS>=4PCaの0.50および0.77(p<.001)であった。
その結果,生成した画像を用いたUDAにより,各種b値のデータセット間での多地点PCa病変検出におけるSL法の性能が向上し,特にPI-RADS推奨DWIプロトコル(例えば,非常に高いb値)から大きく逸脱した画像に対して有効であることが示唆された。
関連論文リスト
- A Two-Stage Generative Model with CycleGAN and Joint Diffusion for
MRI-based Brain Tumor Detection [41.454028276986946]
本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。
CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。
VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
論文 参考訳（メタデータ） (2023-11-06T12:58:26Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
論文 参考訳（メタデータ） (2023-08-03T21:56:50Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - A knee cannot have lung disease: out-of-distribution detection with
in-distribution voting using the medical example of chest X-ray
classification [58.720142291102135]
この研究では、胸部X線分類モデルであるCheXnetを用いて、胸部X線14データセットをトレーニングした。
複数ラベル分類のためのOODデータを検出するために,IDV(In-distriion voting)を提案する。
ID (chest X-ray 14) と OOD データ (IRMA と ImageNet) に基づいてトレーニングした IDV アプローチは,平均で3つのデータセットにわたる 0.999 OOD 検出 AUC を達成した。
論文 参考訳（メタデータ） (2022-08-01T18:20:36Z) - Feature-enhanced Adversarial Semi-supervised Semantic Segmentation
Network for Pulmonary Embolism Annotation [6.142272540492936]
本研究は,肺塞栓病変領域を自動診断する機能強化逆行性半教師付きセマンティックセマンティックセグメンテーションモデルを構築した。
近年のPEAイメージセグメンテーション手法は,教師あり学習によって訓練されている。
本研究では,少量の未ラベル画像を追加することで,異なるデータセットに適用可能なモデルを構築するための半教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2022-04-08T04:21:02Z) - Deep learning-based detection of intravenous contrast in computed
tomography scans [0.7313653675718069]
CTスキャンにおける静脈内(IV)コントラストの同定は、モデル開発と試験のためのデータキュレーションの鍵となる要素である。
我々は,CTスキャン内でIVコントラストを識別するCNNベースのディープラーニングプラットフォームを開発し,検証した。
論文 参考訳（メタデータ） (2021-10-16T00:46:45Z) - PA-ResSeg: A Phase Attention Residual Network for Liver Tumor
Segmentation from Multi-phase CT Images [19.725599681891925]
肝腫瘍分節の多相特徴をモデル化するための位相注意残差ネットワーク(pa-resseg)を提案する。
提案手法は, 異なるデータセットと異なるバックボーンにおけるロバスト性と一般化能力を示す。
論文 参考訳（メタデータ） (2021-02-27T17:30:09Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Accelerating Prostate Diffusion Weighted MRI using Guided Denoising
Convolutional Neural Network: Retrospective Feasibility Study [0.943752184064214]
前立腺拡散強調イメージング(DWI)の実現可能性について、取得した平均値の数を減らし、提案したガイドデノナイジングニューラルネットワーク(DnCNN)を用いて得られた画像をデノナイジングすることで検討する。
論文 参考訳（メタデータ） (2020-06-30T21:44:42Z) - Deep Learning Based Detection and Localization of Intracranial Aneurysms
in Computed Tomography Angiography [5.973882600944421]
初期動脈瘤検出のための3D領域提案ネットワークと偽陽性縮小のための3D DenseNetという2段階モデルが実装された。
本モデルでは,0.25FPPV,最高F-1スコアと比較すると,統計的に高い精度,感度,特異性を示した。
論文 参考訳（メタデータ） (2020-05-22T10:49:23Z)
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。