論文の概要: Cherenkov Imaged Bio-morphological Features Verify Patient Positioning with Deformable Tissue Translocation in Breast Radiotherapy
- arxiv url: http://arxiv.org/abs/2409.05680v1
- Date: Mon, 9 Sep 2024 14:48:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-09-10 14:19:16.197656
- Title: Cherenkov Imaged Bio-morphological Features Verify Patient Positioning with Deformable Tissue Translocation in Breast Radiotherapy
- Title（参考訳）: Cherenkov 画像による乳房放射線治療における変形性組織移動を伴う患者の位置同定
- Authors: Yao Chen, Savannah M. Decker, Petr Bruza, David J. Gladstone, Lesley A. Jarvis, Brian W. Pogue, Kimberley S. Samkoe, Rongxiao Zhang,
- Abstract要約: 本研究は, 放射線治療中のチェレンコフ画像解析による局所組織変形の追跡手法を提案する。
組織ファントムを用いたチェレンコフ画像では, 血管の検出とセグメンテーションが発達した。
乳がん10例の臨床チェレンコフデータから,第1分率に対して3.7+2.4mm,第1分率で95%,第3分率で最大3.3+1.9mm,第2分率で3.7+2.4mmの差が認められた。
- 参考スコア（独自算出の注目度）: 2.363621056850954
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate patient positioning is critical for precise radiotherapy dose delivery, as positioning errors can significantly affect treatment outcomes. This study introduces a novel method for tracking loco-regional tissue deformation through Cherenkov image analysis during fractionated breast cancer radiotherapy. The primary goal was to develop and test an algorithm for Cherenkov-based regional position accuracy quantification, specifically for loco-regional deformations, which lack ideal quantification methods in radiotherapy. Blood vessel detection and segmentation were developed in Cherenkov images using a tissue phantom with incremental movements, and later applied to images from fractionated whole breast radiotherapy in human patients (n=10). A combined rigid and non-rigid registration technique was used to detect inter- and intra-fractional positioning variations. This approach quantified positioning variations in two parts: a global shift from rigid registration and a two-dimensional variation map of loco-regional deformation from non-rigid registration. The methodology was validated using an anthropomorphic chest phantom experiment, where known treatment couch translations and respiratory motion were simulated to assess inter- and intra-fractional uncertainties, yielding an average accuracy of 0.83 mm for couch translations up to 20 mm. Analysis of clinical Cherenkov data from ten breast cancer patients showed an inter-fraction setup variation of 3.7 plus minus 2.4 mm relative to the first fraction and loco-regional deformations (95th percentile) of up to 3.3 plus minus 1.9 mm. This study presents a Cherenkov-based approach to quantify global and local positioning variations, demonstrating feasibility in addressing loco-regional deformations that conventional imaging techniques fail to capture.
- Abstract（参考訳）: 正確な患者の位置決めは、正確な放射線治療用線量送達に必須であり、位置決め誤差は治療結果に大きな影響を及ぼす可能性がある。
本研究は,チェレンコフ画像解析による乳癌放射線治療中の局所組織変化の追跡手法を提案する。
第一の目的は、チェレンコフをベースとした局所位置精度の定量化アルゴリズムの開発と試験であり、特に放射線治療において理想的な定量法が欠如しているロコ領域の変形に対するものである。
組織ファントムを用いたチェレンコフ画像において, 血管の検出と分画が発達し, その後, 乳房全摘術(n=10。
剛性および非剛性な登録法を併用して, フラクタル内およびフラクタル内位置の変動を検出する。
このアプローチは、剛性登録からのグローバルシフトと、非剛性登録からのロコ領域変形の2次元変動マップの2つの部分における位置決めのばらつきを定量化した。
この手法は人為的な胸部ファントム実験を用いて検証され、既知の治療用カウチの翻訳と呼吸運動をシミュレートして、フラクション内およびフラクション内不確かさを評価し、最大20mmまでのカウチの翻訳の平均精度0.83mmとした。
乳がん10例の臨床チェレンコフデータから,第1分率に対して3.7+2.4mm,第1分率で95%,第3分率で最大3.3+1.9mm,第2分率で3.7+2.4mmの差が認められた。
本研究は, 従来の撮像技術では捉えられなかったロコ領域の変形に対処する上で, グローバルおよび局所的な位置決め変動を定量化するためのチェレンコフ法を提案する。
関連論文リスト
- Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。
提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。
医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2024-03-19T09:28:19Z) - Anatomy-guided domain adaptation for 3D in-bed human pose estimation [62.3463429269385]
3次元人間のポーズ推定は臨床モニタリングシステムにおいて重要な要素である。
ラベル付きソースからシフトしたラベル付きターゲットドメインにモデルを適応させる新しいドメイン適応方式を提案する。
我々の手法は、様々な最先端のドメイン適応法より一貫して優れています。
論文 参考訳（メタデータ） (2022-11-22T11:34:51Z) - ThoraX-PriorNet: A Novel Attention-Based Architecture Using Anatomical
Prior Probability Maps for Thoracic Disease Classification [2.0319363307774476]
胸部疾患は, 他と比較して, 特定の解剖学的領域で発生しやすいことが知られている。
本稿では、この病気と地域依存の事前確率分布をディープラーニングフレームワークに組み込むことを目的とする。
論文 参考訳（メタデータ） (2022-10-06T15:38:02Z) - Improving the diagnosis of breast cancer based on biophysical ultrasound
features utilizing machine learning [0.0]
乳がん検出のための生物物理学的特徴に基づく機械学習手法を提案する。
以上より, 乳腺病変のタイプとサイズは, 分類では98.0%, 操作特性曲線では0.98以上であった。
論文 参考訳（メタデータ） (2022-07-13T23:53:09Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - 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) - A New Automatic Change Detection Frame-work Based on Region Growing and
Weighted Local Mutual Information: Analysis of Breast Tumor Response to
Chemotherapy in Serial MR Images [1.955125726293071]
本稿では,2段階からなる効果的な自動変更検出フレームワークを提案する。
前処理段階では、従来の方法よりもノイズに強い強度正規化法が提案されている。
検出段階では、領域成長に基づくアプローチが、非現実的なアプローチと大きな変化を区別することを示唆している。
論文 参考訳（メタデータ） (2021-10-19T20:28:45Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - CNN Based Segmentation of Infarcted Regions in Acute Cerebral Stroke
Patients From Computed Tomography Perfusion Imaging [2.1626699124055504]
血栓溶解療法は脳損傷を軽減できるが、治療窓は狭い。
Computed To Perfusion Imagingは、脳卒中患者の一般的な一次評価ツールです。
完全自動化された4次元畳み込みニューラルネットワークに基づくセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-04-07T09:09:13Z) - Automated Detection of Coronary Artery Stenosis in X-ray Angiography
using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。
左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文 参考訳（メタデータ） (2021-03-04T11:45:54Z) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z)
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。