論文の概要: Detection of adrenal anomalous findings in spinal CT images using multi model graph aggregatio

• arxiv url: http://arxiv.org/abs/2410.20568v1
• Date: Sun, 27 Oct 2024 19:45:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:22:36.552175
• Title: Detection of adrenal anomalous findings in spinal CT images using multi model graph aggregatio
• Title（参考訳）: マルチモデルグラフアグリゲーションを用いた脊椎CT画像における副腎異常所見の検出
• Authors: Shabalin Carmel, Shenkman Israel, Shelef Ilan, Ben-Arie Gal, Alex Geftler, Shahar Yuval,
• Abstract要約: 腰痛はプライマリ・ケアの医師に報告される2番目に多い。 腰痛は生涯の人口の50%から80%に影響を及ぼす。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Low back pain is the symptom that is the second most frequently reported to primary care physicians, effecting 50 to 80 percent of the population in a lifetime, resulting in multiple referrals of patients suffering from back problems, to CT and MRI scans, which are then examined by radiologists. The radiologists examining these spinal scans naturally focus on spinal pathologies and might miss other types of abnormalities, and in particular, abdominal ones, such as malignancies. Nevertheless, the patients whose spine was scanned might as well have malignant and other abdominal pathologies. Thus, clinicians have suggested the need for computerized assistance and decision support in screening spinal scans for additional abnormalities. In the current study, We have addressed the important case of detecting suspicious lesions in the adrenal glands as an example for the overall methodology we have developed. A patient CT scan is integrated from multiple slices with an axial orientation. Our method determines whether a patient has an abnormal adrenal gland, and localises the abnormality if it exists. Our method is composed of three deep learning models; each model has a different task for achieving the final goal. We call our compound method the Multi Model Graph Aggregation MMGA method. The novelty in this study is twofold. First, the use, for an important screening task, of CT scans that are originally focused and tuned for imaging the spine, which were acquired from patients with potential spinal disorders, for detection of a totally different set of abnormalities such as abdominal Adrenal glands pathologies. Second, we have built a complex pipeline architecture composed from three deep learning models that can be utilized for other organs (such as the pancreas or the kidney), or for similar applications, but using other types of imaging, such as MRI.
• Abstract（参考訳）: 腰痛は、プライマリケアの医師に報告される2番目に多い症状であり、生涯の人口の50%から80%に影響を及ぼす。 これらの脊椎スキャンを調べる放射線技師は、自然に脊髄病理に焦点を当て、他の種類の異常、特に悪性腫瘍のような腹部疾患を見逃す可能性がある。 いずれにせよ、脊椎をスキャンした患者は悪性などの腹部疾患を併発する可能性がある。 このように、臨床医は、追加の異常のために脊椎スキャンをスクリーニングする際のコンピュータ支援と意思決定支援の必要性を示唆している。 本研究は,本研究の総合的方法論の例として,副腎に疑わしい病変が検出された重要な症例に対処するものである。 患者CTスキャンは、軸方向の複数のスライスから統合される。 本手法は, 患者に副腎異常があるか否かを判定し, 存在すればその異常を局在させる。 本手法は3つのディープラーニングモデルから構成される。各モデルには最終目標を達成するための異なるタスクがある。 我々は複合手法をMulti Model Graph Aggregation MMGA法と呼ぶ。 この研究の新規性は2倍である。 まず、腹部副腎疾患などの全く異なる異常のセットを検出するために、脊椎疾患患者から取得した脊椎の画像撮影に焦点を合わせ調整したCTスキャンを、重要なスクリーニングタスクとして使用した。 第2に、他の臓器(膵や腎臓など)や同様の用途に使用できる3つのディープラーニングモデルで構成された複雑なパイプラインアーキテクチャを構築しました。

関連論文リスト

• UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields [38.62191342903111]
  生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。 我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
  論文  参考訳（メタデータ） (2023-11-10T02:47:15Z)
• Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for Multimodal Medical Diagnosis [59.35504779947686]
  GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。 評価対象は17の人体システムである。 GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。 疾患の診断と包括的報告作成において重大な課題に直面している。
  論文  参考訳（メタデータ） (2023-10-15T18:32:27Z)
• Context-Aware Transformers For Spinal Cancer Detection and Radiological Grading [70.04389979779195]
  本稿では,脊椎分析に関わる医療画像問題に対するトランスフォーマーを用いた新しいモデルアーキテクチャを提案する。 MR画像におけるそのようなモデルの2つの応用について考察する: (a)脊椎転移の検出と脊椎骨折の関連状況と転移性脊髄圧迫。 画像中の脊椎のコンテキストを考慮することで,SCTは以前に公表したモデルと比較して,いくつかのグレーディングの精度を向上することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:31:03Z)
• Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
  本稿では,容積医用画像における多変量分類の課題について紹介する。 本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。 そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
  論文  参考訳（メタデータ） (2021-11-24T01:14:33Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• MAG-Net: Mutli-task attention guided network for brain tumor segmentation and classification [0.9176056742068814]
  本稿では,MRI画像を用いて脳腫瘍領域の分類と分類を行うマルチタスク注意誘導エンコーダネットワーク(MAG-Net)を提案する。 このモデルは既存の最先端モデルと比較して有望な結果を得た。
  論文  参考訳（メタデータ） (2021-07-26T16:51:00Z)
• MADGAN: unsupervised Medical Anomaly Detection GAN using multiple adjacent brain MRI slice reconstruction [24.423056428713718]
  非教師付き医療異常検出ジェネレーターネットワーク(MADGAN)は、GANベースの複数の隣接脳MRIスライス再構成を用いた新しい2段階の手法である。 トレーニングには,1,133個の健常T1強調画像(T1)と135個の健常T1強調画像(T1c)からなる2種類のデータセットを用いて,アルツハイマー病(AD)と脳転移・静脈疾患を検出する。
  論文  参考訳（メタデータ） (2020-07-24T14:56:12Z)
• A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
  脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。 これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。 本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
  論文  参考訳（メタデータ） (2020-07-06T09:37:12Z)
• 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)

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。