論文の概要: LN-Gen: Rectal Lymph Nodes Generation via Anatomical Features

• arxiv url: http://arxiv.org/abs/2408.14977v1
• Date: Tue, 27 Aug 2024 11:40:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-28 14:03:31.946441
• Title: LN-Gen: Rectal Lymph Nodes Generation via Anatomical Features
• Title（参考訳）: LN-Gen: 解剖学的特徴による直腸リンパ節生成
• Authors: Weidong Guo, Hantao Zhang, Shouhong Wan, Bingbing Zou, Wanqin Wang, Peiquan Jin,
• Abstract要約: 周囲の解剖学的構造の複雑さと注釈付きデータの不足は重大な課題である。 本研究は, 多様な, 現実的な合成直腸リンパ節サンプルを作成することを目的とした, 新規なリンパ節合成手法を提案する。
• 参考スコア（独自算出の注目度）: 8.428364324501048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate segmentation of rectal lymph nodes is crucial for the staging and treatment planning of rectal cancer. However, the complexity of the surrounding anatomical structures and the scarcity of annotated data pose significant challenges. This study introduces a novel lymph node synthesis technique aimed at generating diverse and realistic synthetic rectal lymph node samples to mitigate the reliance on manual annotation. Unlike direct diffusion methods, which often produce masks that are discontinuous and of suboptimal quality, our approach leverages an implicit SDF-based method for mask generation, ensuring the production of continuous, stable, and morphologically diverse masks. Experimental results demonstrate that our synthetic data significantly improves segmentation performance. Our work highlights the potential of diffusion model for accurately synthesizing structurally complex lesions, such as lymph nodes in rectal cancer, alleviating the challenge of limited annotated data in this field and aiding in advancements in rectal cancer diagnosis and treatment.
• Abstract（参考訳）: 直腸癌のステージングと治療計画には,直腸リンパ節の正確なセグメンテーションが不可欠である。 しかし、周囲の解剖学的構造の複雑さと注釈付きデータの不足は重大な課題である。 本研究は,手動によるアノテーション依存を軽減するために,多種多様なリアルな合成直腸リンパ節サンプルを作成することを目的とした,新しいリンパ節合成手法を提案する。 直接拡散法とは違って、しばしば不連続で最適条件のマスクを生成するが、我々の手法は暗黙のSDFベースのマスク生成手法を活用し、連続的、安定的、形態学的に多様なマスクの生成を確実にする。 その結果, 合成データのセグメンテーション性能は有意に向上した。 本研究は,直腸癌におけるリンパ節などの構造学的に複雑な病変を正確に合成する拡散モデルの可能性を強調し,この領域における注釈付きデータ制限の課題を緩和し,直腸癌診断・治療の進歩を支援することを目的とした。

関連論文リスト

• Enhancing Weakly Supervised Semantic Segmentation for Fibrosis via Controllable Image Generation [6.135895757905315]
  線維性肺疾患(英: Fibrotic Lung Disease, FLD)は、肺の硬直と傷跡を特徴とする重症疾患である。 高分解能CT(HRCT)はFLDの診断とモニタリングに重要であるが、線維化は不規則で拡散パターンであり、境界が不明確である。 DiffSegは、画像レベルのアノテーションを用いてピクセルレベルの線維化セグメンテーションを生成する、新しい教師付きセマンティックセグメンテーション(WSSS)手法である。
  論文  参考訳（メタデータ） (2024-11-05T23:11:26Z)
• Mask the Unknown: Assessing Different Strategies to Handle Weak Annotations in the MICCAI2023 Mediastinal Lymph Node Quantification Challenge [2.1994532511228773]
  MICCAI 2023 Lymph Node Quantification Challengeは、縦隔の病理リンパ節分節に関する最初の公開データセットを発表した。 リンパ節アノテーションは高価であるため、この課題は、トレーニングセット内のすべてのリンパ節のサブセットだけが注釈付けされている弱い教師付き学習タスクとして形成された。 課題として,ノイズラベルトレーニングやラベルなしデータの損失マスキング,TotalSegmentatorツールボックスを擬似ラベリングの形式として組み込んだアプローチなど,弱教師付きデータのトレーニング方法が検討された。 提案したモデルではDiceスコアが0.628、平均対称表面距離が0.628に達した。
  論文  参考訳（メタデータ） (2024-06-20T14:38:33Z)
• LNQ Challenge 2023: Learning Mediastinal Lymph Node Segmentation with a Probabilistic Lymph Node Atlas [0.010416625072338245]
  リンパ節転移の評価は、正確ながん転移を達成する上で重要な役割を担っている。 リンパ節検出は、境界が不明確であり、様々な大きさと形態的特徴があるため、課題となる。 LNQ 2023 MICCAIチャレンジの一環として,課題に対処するためのツールとして解剖学的先行性(anatomical priors)を提案する。
  論文  参考訳（メタデータ） (2024-06-06T11:57:25Z)
• Shape-aware synthesis of pathological lung CT scans using CycleGAN for enhanced semi-supervised lung segmentation [0.0]
  本稿では,画像-画像間翻訳におけるCycleGANの使用を強調した。 既存の真実と一致する偽の病理画像を生成することができる拡張方法を提供する。 本研究の予備的な結果は, 質的, 定量的に有意な改善を示すものである。
  論文  参考訳（メタデータ） (2024-05-14T12:45:49Z)
• CT Synthesis with Conditional Diffusion Models for Abdominal Lymph Node Segmentation [12.226538753367965]
  本稿では,リンパ節郭清のための条件拡散モデルとnnU-Netモデルを統合するパイプラインを提案する。 LN-DDPMはリンパ節マスクと解剖学的構造マスクをモデル条件として利用する。 腹部リンパ節データセットを用いた実験の結果,LN-DDPMは腹部リンパ節画像合成において他の生成法よりも優れており,下腹部リンパ節セグメント化作業の助けとなることが明らかとなった。
  論文  参考訳（メタデータ） (2024-03-26T14:59:11Z)
• 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)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)

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。