論文の概要: AI-assisted prostate cancer detection and localisation on biparametric MR by classifying radiologist-positives
- arxiv url: http://arxiv.org/abs/2410.23084v1
- Date: Wed, 30 Oct 2024 14:59:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-31 14:26:43.369083
- Title: AI-assisted prostate cancer detection and localisation on biparametric MR by classifying radiologist-positives
- Title（参考訳）: 放射線医陽性者を分類したバイパラメトリックMRのAIによる前立腺癌検出と局在
- Authors: Xiangcen Wu, Yipei Wang, Qianye Yang, Natasha Thorley, Shonit Punwani, Veeru Kasivisvanathan, Ester Bonmati, Yipeng Hu,
- Abstract要約: 本稿では,がん診断の総合的精度を向上させるためのディープラーニングモデルを提案する。
一つのボクセルレベルの分類モデルを構築し、単純なパーセンテージ閾値で正のケースを判定する。
2つの臨床データから得られた実験から,提案手法が診断精度を向上させることを示す。
- 参考スコア（独自算出の注目度）: 5.75804178993065
- License:
- Abstract: Prostate cancer diagnosis through MR imaging have currently relied on radiologists' interpretation, whilst modern AI-based methods have been developed to detect clinically significant cancers independent of radiologists. In this study, we propose to develop deep learning models that improve the overall cancer diagnostic accuracy, by classifying radiologist-identified patients or lesions (i.e. radiologist-positives), as opposed to the existing models that are trained to discriminate over all patients. We develop a single voxel-level classification model, with a simple percentage threshold to determine positive cases, at levels of lesions, Barzell-zones and patients. Based on the presented experiments from two clinical data sets, consisting of histopathology-labelled MR images from more than 800 and 500 patients in the respective UCLA and UCL PROMIS studies, we show that the proposed strategy can improve the diagnostic accuracy, by augmenting the radiologist reading of the MR imaging. Among varying definition of clinical significance, the proposed strategy, for example, achieved a specificity of 44.1% (with AI assistance) from 36.3% (by radiologists alone), at a controlled sensitivity of 80.0% on the publicly available UCLA data set. This provides measurable clinical values in a range of applications such as reducing unnecessary biopsies, lowering cost in cancer screening and quantifying risk in therapies.
- Abstract（参考訳）: MR画像による前立腺癌の診断は、現在、放射線科医の解釈に依存しているが、現代のAIベースの手法は、放射線科医に依存しない臨床的に重要ながんを検出するために開発されている。
本研究は, 放射線技師が同定した患者や病変(放射線医陽性)を分類し, がん診断の精度を向上させる深層学習モデルを開発することを目的とする。
単一のボクセルレベルの分類モデルを構築し, 正の症例, 病変レベル, バルツェルゾーン, および患者を簡易に判定する。
UCLA, UCL PROMISの各研究において, 800, 500例以上のMR像を病理組織学的に標識した2つの臨床データから得られた結果から, MR画像のX線学的読み上げによる診断精度の向上が示唆された。
様々な臨床的重要性の定義の中で、例えば、提案された戦略は、36.3%(放射線技師のみ)から44.1%(AI支援)の特異性を達成し、公に利用可能なUCLAデータセットに対して80.0%の感度で制御された。
これは、不必要な生検を減らし、がん検診のコストを下げ、治療のリスクを定量化するなど、様々な応用において測定可能な臨床的価値を提供する。
関連論文リスト
- Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-08T17:23:17Z) - Radiomics Boosts Deep Learning Model for IPMN Classification [3.4659499358648675]
膵管内乳頭粘液性腫瘍 (IPMN) の嚢胞は術前膵管病変であり,膵癌に進展する可能性がある。
本研究では,MRIスキャンからIPMNリスク分類のための新しいコンピュータ支援診断パイプラインを提案する。
論文 参考訳（メタデータ） (2023-09-11T22:41:52Z) - Artificial Intelligence in Ovarian Cancer Histopathology: A Systematic
Review [1.832300121391956]
方法: PubMed, Scopus, Web of Science, CENTRAL, WHO-ICTRPの検索を行った。
PROBASTを用いてバイアスのリスクを評価した。
37の診断モデル、22の予後モデル、21の診断関連結果を含む80の関心モデルがあった。
すべてのモデルが全体として偏見のリスクが高いか、あるいは不明確であることが判明し、ほとんどの研究は分析において偏見のリスクが高いことが判明した。
論文 参考訳（メタデータ） (2023-03-31T12:26:29Z) - A new methodology to predict the oncotype scores based on
clinico-pathological data with similar tumor profiles [0.0]
Oncotype DX (ODX) は乳がんの分子検査である。
本研究の目的は,医師の意思決定を支援する新しい手法を提案することである。
論文 参考訳（メタデータ） (2023-03-13T10:08:13Z) - Mixed Supervision of Histopathology Improves Prostate Cancer
Classification from MRI [0.9395521049323435]
MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。
患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
論文 参考訳（メタデータ） (2022-12-13T02:34:57Z) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-11-10T03:02:12Z) - 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) - Enhancing Early Lung Cancer Detection on Chest Radiographs with
AI-assistance: A Multi-Reader Study [0.08384911110020841]
本研究は、臨床医が肺がんを同定する能力を胸部X線(CXR)に増強する上で、市販のAIアルゴリズムが与える影響について検討した。
臨床医によるAIアルゴリズムの使用により、肺腫瘍検出の全体的なパフォーマンスが改善された。
論文 参考訳（メタデータ） (2022-08-31T09:46:21Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z)
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。