論文の概要: Radio-opaque artefacts in digital mammography: automatic detection and analysis of downstream effects

• arxiv url: http://arxiv.org/abs/2410.03809v1
• Date: Fri, 4 Oct 2024 13:16:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 16:10:45.604398
• Title: Radio-opaque artefacts in digital mammography: automatic detection and analysis of downstream effects
• Title（参考訳）: デジタルマンモグラフィーにおけるラジオオパークアーティファクト:下流効果の自動検出と解析
• Authors: Amelia Schueppert, Ben Glocker, Mélanie Roschewitz,
• Abstract要約: 22,012個のマンモグラムを手動でアノテートした後,5種類のアーチファクトを識別するために,頑健なマルチラベルアーチファクト検出器を開発した。 実験の結果,これらの人工物はモデル性能,分類しきい値の変更,出力分布の歪みなどに大きな影響を及ぼすことが明らかとなった。
• 参考スコア（独自算出の注目度）: 14.07305121122096
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study investigates the effects of radio-opaque artefacts, such as skin markers, breast implants, and pacemakers, on mammography classification models. After manually annotating 22,012 mammograms from the publicly available EMBED dataset, a robust multi-label artefact detector was developed to identify five distinct artefact types (circular and triangular skin markers, breast implants, support devices and spot compression structures). Subsequent experiments on two clinically relevant tasks $-$ breast density assessment and cancer screening $-$ revealed that these artefacts can significantly affect model performance, alter classification thresholds, and distort output distributions. These findings underscore the importance of accurate automatic artefact detection for developing reliable and robust classification models in digital mammography. To facilitate future research our annotations, code, and model predictions are made publicly available.
• Abstract（参考訳）: 本研究では, 皮膚マーカー, 乳房インプラント, ペースメーカーなどの放射性不透明物がマンモグラフィー分類モデルに及ぼす影響について検討した。 EMBEDデータセットから22,012個のマンモグラムを手動で注釈付けした後、頑健なマルチラベルアーティファクト検出器が開発され、5つの異なるアーティファクトタイプ(円形および三角形の皮膚マーカー、乳房インプラント、支持装置、スポット圧縮構造)を特定した。 乳房密度評価とがん検診の2つの臨床的研究の結果、これらの人工物がモデルの性能、分類基準の変更、出力分布の歪曲などに大きな影響を及ぼすことが明らかとなった。 これらの結果は,デジタルマンモグラフィーにおける信頼性とロバストな分類モデルの開発において,正確な自動アーティファクト検出の重要性を浮き彫りにした。 将来の研究を促進するために、アノテーション、コード、モデル予測が公開されています。

関連論文リスト

• Deep BI-RADS Network for Improved Cancer Detection from Mammograms [3.686808512438363]
  テキスト型BI-RADS病変記述子と視覚マンモグラムを併用した新しいマルチモーダル手法を提案する。 提案手法は,これらの異なるモダリティを効果的に融合させるために,反復的な注意層を用いる。 CBIS-DDSMデータセットの実験では、すべてのメトリクスで大幅に改善されている。
  論文  参考訳（メタデータ） (2024-11-16T21:32:51Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
  深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。 高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。 本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
  論文  参考訳（メタデータ） (2022-09-20T15:57:12Z)
• 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)
• An efficient semi-supervised quality control system trained using physics-based MRI-artefact generators and adversarial training [2.5855676778881334]
  医用画像の欠陥を識別する既存の方法は、データ集約的なアプローチに依存している。 この問題に対処するために,4つの主要コンポーネントを持つフレームワークを提案する。 まず、物理に基づくアーティファクト生成装置は、データ拡張のために制御されたアーティファクトを持つ合成脳MRIスキャンを生成する。 第2に、構造MRIのための9つの異なるアーチファクトを識別するために、抽象的および工学的な画像特徴のプールを提案する。 第3に、アーティファクトベースの特徴選択ブロックを使用して、各アーティファクトのクラス毎に、最高の分類性能を提供する機能セットを見つける。
  論文  参考訳（メタデータ） (2022-06-07T14:53:35Z)
• 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)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Synthesizing lesions using contextual GANs improves breast cancer classification on mammograms [0.4297070083645048]
  本稿では, マンモグラムの病変を現実的に合成し, 除去するデータ拡張のための, GANモデルを提案する。 自己注意と半教師付き学習コンポーネントにより、U-netベースのアーキテクチャは高解像度(256x256px)の出力を生成することができる。
  論文  参考訳（メタデータ） (2020-05-29T21:23:00Z)
• Learning from Suspected Target: Bootstrapping Performance for Breast Cancer Detection in Mammography [6.323318523772466]
  対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。 まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。 以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
  論文  参考訳（メタデータ） (2020-03-01T09:04:24Z)

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。