論文の概要: Gradient Map-Assisted Head and Neck Tumor Segmentation: A Pre-RT to Mid-RT Approach in MRI-Guided Radiotherapy

• arxiv url: http://arxiv.org/abs/2410.12941v1
• Date: Wed, 16 Oct 2024 18:26:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-18 13:20:43.036476
• Title: Gradient Map-Assisted Head and Neck Tumor Segmentation: A Pre-RT to Mid-RT Approach in MRI-Guided Radiotherapy
• Title（参考訳）: MRIガイド下放射線治療における頭頸部腫瘍切開法の検討
• Authors: Jintao Ren, Kim Hochreuter, Mathis Ersted Rasmussen, Jesper Folsted Kallehauge, Stine Sofia Korreman,
• Abstract要約: 本研究は,頭頸部癌に対する pre-RT 腫瘍領域と局所勾配図を用いて,中RT 腫瘍セグメンテーションを増強することを目的としたものである。 プリRT画像からの腫瘍領域の勾配マップを算出し、ミッドRT画像に適用し、腫瘍境界勾配を改善する。
• 参考スコア（独自算出の注目度）: 0.04590531202809992
• License:
• Abstract: Radiation therapy (RT) is a vital part of treatment for head and neck cancer, where accurate segmentation of gross tumor volume (GTV) is essential for effective treatment planning. This study investigates the use of pre-RT tumor regions and local gradient maps to enhance mid-RT tumor segmentation for head and neck cancer in MRI-guided adaptive radiotherapy. By leveraging pre-RT images and their segmentations as prior knowledge, we address the challenge of tumor localization in mid-RT segmentation. A gradient map of the tumor region from the pre-RT image is computed and applied to mid-RT images to improve tumor boundary delineation. Our approach demonstrated improved segmentation accuracy for both primary GTV (GTVp) and nodal GTV (GTVn), though performance was limited by data constraints. The final DSCagg scores from the challenge's test set evaluation were 0.534 for GTVp, 0.867 for GTVn, and a mean score of 0.70. This method shows potential for enhancing segmentation and treatment planning in adaptive radiotherapy. Team: DCPT-Stine's group.
• Abstract（参考訳）: 放射線療法(RT)は頭頸部癌に対する治療の不可欠な部分であり,GTV(Grog tumor volume)の正確なセグメンテーションが効果的な治療計画に不可欠である。 MRI誘導適応放射線療法において, 頭頸部癌に対する pre-RT 腫瘍領域と局所勾配図を用いて中RT 腫瘍セグメンテーションを増強することを検討した。 プリRT画像とそのセグメンテーションを先行知識として活用することにより,ミッドRTセグメンテーションにおける腫瘍局在の課題に対処する。 プリRT画像からの腫瘍領域の勾配マップを算出し、ミッドRT画像に適用し、腫瘍境界勾配を改善する。 一次GTV(GTVp)と結節GTV(GTVn)のセグメンテーション精度は向上したが,データ制約により性能は低下した。 最後のDSCaggスコアはGTVpが0.534、GTVnが0.867、平均スコアが0.70であった。 この方法は適応放射線治療におけるセグメンテーションと治療計画を強化する可能性を示す。 チーム:DCPT-Stine's group。

関連論文リスト

• UMambaAdj: Advancing GTV Segmentation for Head and Neck Cancer in MRI-Guided RT with UMamba and nnU-Net ResEnc Planner [0.04924932828166548]
  頭頸部癌(HNC)に対する適応放射線療法においてMRIが重要な役割を担っている。 原発性腫瘍 (GTVp) とリンパ節 (GTVn) の両方を含む総腫瘍容積 (GTV) を正確に区分することは依然として困難である。 最近の2つのディープラーニングセグメンテーションの革新は、効果的に長距離依存関係をキャプチャするUMambaと、多段階残差ブロックによる特徴抽出を強化するnnU-Net Residual (ResEnc)の2つの大きな約束を示している。
  論文  参考訳（メタデータ） (2024-10-16T18:26:27Z)
• Brain Tumor Segmentation (BraTS) Challenge 2024: Meningioma Radiotherapy Planning Automated Segmentation [47.119513326344126]
  BraTS-MEN-RTの課題は、脳MRIを計画する放射線治療の最大のマルチ機関データセットを使用して、自動セグメンテーションアルゴリズムを進化させることである。 それぞれの症例には、3D後T1強調放射線治療計画MRIがネイティブな取得スペースに含まれている。 ターゲットボリュームアノテーションは、確立された放射線治療計画プロトコルに準拠している。
  論文  参考訳（メタデータ） (2024-05-28T17:25:43Z)
• A Localization-to-Segmentation Framework for Automatic Tumor Segmentation in Whole-Body PET/CT Images [8.0523823243864]
  本稿では,腫瘍の正確な分節化のための局在化・分節化フレームワーク(L2SNet)を提案する。 L2SNetは、まず、病変の局所化段階における可能性のある病変を局在させ、次いで、病変の分節フェーズにおけるセグメント化結果を形成するために位置手がかりを使用する。 全身FDG-PET/CTチャレンジデータセットにおけるMII自動病変を用いた実験により,本手法が競争力のある結果を示した。
  論文  参考訳（メタデータ） (2023-09-11T13:39:15Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• Segmentation of Planning Target Volume in CT Series for Total Marrow Irradiation Using U-Net [0.0]
  U-Netアーキテクチャを用いたTMLI処理のためのプランニングターゲットボリューム(PTV)のセグメンテーションのためのディープラーニングに基づく自動コンストラクション手法を提案する。 本研究は放射線腫瘍学者を相当の時間で救うことができるセグメンテーションモデルの開発に向けた予備的だが重要なステップである。
  論文  参考訳（メタデータ） (2023-04-05T10:40:37Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• Recurrence-free Survival Prediction under the Guidance of Automatic Gross Tumor Volume Segmentation for Head and Neck Cancers [8.598790229614071]
  自動原発性腫瘍 (GTVp) とリンパ節郭清法 (GTVn) を開発した。 腫瘍の分節体積から放射能の特徴を抽出し,RFS予測モデルを構築した。
  論文  参考訳（メタデータ） (2022-09-22T18:44:57Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。