論文の概要: Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer

• arxiv url: http://arxiv.org/abs/2409.11910v1
• Date: Wed, 18 Sep 2024 12:11:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-19 17:50:39.175551
• Title: Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer
• Title（参考訳）: 肺癌に合併したCT画像の腫瘍認識における患者間変形性画像登録
• Authors: Jue Jiang, Chloe Min Seo Choi, Maria Thor, Joseph O. Deasy, Harini Veeraraghavan,
• Abstract要約: Voxel-based analysis (VBA) for population level radiotherapy outcomes modeling requiresserving inter- patient deformable image registration (DIR) 腫瘍認識型再帰型深層学習法(TRACER)を開発した。
• 参考スコア（独自算出の注目度）: 6.361348748202733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Voxel-based analysis (VBA) for population level radiotherapy (RT) outcomes modeling requires topology preserving inter-patient deformable image registration (DIR) that preserves tumors on moving images while avoiding unrealistic deformations due to tumors occurring on fixed images. Purpose: We developed a tumor-aware recurrent registration (TRACER) deep learning (DL) method and evaluated its suitability for VBA. Methods: TRACER consists of encoder layers implemented with stacked 3D convolutional long short term memory network (3D-CLSTM) followed by decoder and spatial transform layers to compute dense deformation vector field (DVF). Multiple CLSTM steps are used to compute a progressive sequence of deformations. Input conditioning was applied by including tumor segmentations with 3D image pairs as input channels. Bidirectional tumor rigidity, image similarity, and deformation smoothness losses were used to optimize the network in an unsupervised manner. TRACER and multiple DL methods were trained with 204 3D CT image pairs from patients with lung cancers (LC) and evaluated using (a) Dataset I (N = 308 pairs) with DL segmented LCs, (b) Dataset II (N = 765 pairs) with manually delineated LCs, and (c) Dataset III with 42 LC patients treated with RT. Results: TRACER accurately aligned normal tissues. It best preserved tumors, blackindicated by the smallest tumor volume difference of 0.24\%, 0.40\%, and 0.13 \% and mean square error in CT intensities of 0.005, 0.005, 0.004, computed between original and resampled moving image tumors, for Datasets I, II, and III, respectively. It resulted in the smallest planned RT tumor dose difference computed between original and resampled moving images of 0.01 Gy and 0.013 Gy when using a female and a male reference.
• Abstract（参考訳）: 背景:Voxel-based analysis (VBA) for population level radiotherapy (RT) outcomes modeling hasserving inter- patient deformable image registration (DIR) that retaining tumors on moving image while avoid unrealistic deformations due by tumors caused to certain image。 目的: 腫瘍認識型再帰型深層学習法(TRACER)を開発した。 方法:TRACERは3次元畳み込み長寿命メモリネットワーク(3D-CLSTM)で実装されたエンコーダ層とデコーダ層と空間変換層から構成され、密度変形ベクトル場(DVF)を計算する。 変形の進行列を計算するために、複数のCLSTMステップが使用される。 入力条件付けは3次元画像対を入力チャネルとする腫瘍セグメンテーションを応用した。 双方向の腫瘍剛性, 画像類似性, 変形スムースネスの損失は, 教師なしの方法でネットワークを最適化するために用いられた。 肺がん(LC)患者204例の3次元CT画像ペアを用いてTRACERおよび複数DL法を訓練し, 評価した。 (a)DLセグメントLC付きデータセットI(N = 308ペア) b)手作業によるLCによるデータセットII(N = 765 対)及び (c) RTで治療した42例のLC患者のデータセットIII。 結果:TRACERは正常組織と正確に一致した。 腫瘍容積差0.24\%、0.40\%、0.13 \%、CT強度0.005、0.005、0.004で黒色化され、それぞれデータセットI、II、IIIの原画像と再サンプリングされた画像の腫瘍間で計算される。 その結果、女性と男性の基準を用いて、オリジナル画像と再サンプリング画像の0.01Gyと0.013Gyの最小のRT腫瘍線量差が計算された。

関連論文リスト

• Diffeomorphic Transformer-based Abdomen MRI-CT Deformable Image Registration [5.204992327758393]
  本稿では,腹部MRI-CT画像を直接登録するための変形ベクトル場(DVF)を推定できるディープラーニングフレームワークの構築を目的とする。 運動追跡における優れた性能を示すSwin変換器を畳み込みニューラルネットワーク(CNN)に統合したモデル
  論文  参考訳（メタデータ） (2024-05-04T15:04:06Z)
• 3D Lymphoma Segmentation on PET/CT Images via Multi-Scale Information Fusion with Cross-Attention [6.499725732124126]
  本研究は,びまん性大細胞型B細胞リンパ腫(DLBCL)の正確な分節法を開発することを目的とする。 シフトウインドウ変換器とマルチスケール情報融合(MSIF)モジュールを用いた3次元デュアルブランチエンコーダセグメンテーション法を提案する。 このモデルは5倍のクロスバリデーションを用いて165名のDLBCL患者のデータセットを用いて訓練および検証を行った。
  論文  参考訳（メタデータ） (2024-02-04T05:25:12Z)
• On the Localization of Ultrasound Image Slices within Point Distribution Models [84.27083443424408]
  甲状腺疾患は高分解能超音波(US)で診断されることが多い 縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。 3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:10:46Z)
• 3DSAM-adapter: Holistic adaptation of SAM from 2D to 3D for promptable tumor segmentation [52.699139151447945]
  医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。 本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
  論文  参考訳（メタデータ） (2023-06-23T12:09:52Z)
• Deep-Learning-based Fast and Accurate 3D CT Deformable Image Registration in Lung Cancer [14.31661366393592]
  腫瘍の視認性は、患者の3D解剖が2D平面に投影されるため制限される。 治療位置において、治療アイソセンタで得られたkV画像から3DCT画像を再構成する。 患者固有の視覚変換器ベースのネットワークを開発し,精度と効率性を示した。
  論文  参考訳（メタデータ） (2023-04-21T17:18:21Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• Slice-by-slice deep learning aided oropharyngeal cancer segmentation with adaptive thresholding for spatial uncertainty on FDG PET and CT images [0.0]
  腫瘍セグメンテーションは放射線治療計画の基本的なステップである。 本研究は,GTVpスライス・バイ・スライス・スライス・スライス・セグメンテーションにおける放射線医学者を支援するための新しい自動深層学習(DL)モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-04T15:17:44Z)
• Self-supervised 3D anatomy segmentation using self-distilled masked image transformer (SMIT) [2.7298989068857487]
  自己教師型学習は、畳み込みネットワークを用いた医用画像のセグメンテーションに成功している。 我々は、我々のアプローチがより正確で、他のプリテキストタスクよりも微調整データセットを少なくする必要があることを示した。
  論文  参考訳（メタデータ） (2022-05-20T17:55:14Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• 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)

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。