論文の概要: TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs

• arxiv url: http://arxiv.org/abs/2411.03464v1
• Date: Tue, 05 Nov 2024 19:35:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-07 19:22:45.729535
• Title: TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs
• Title（参考訳）: TopoTxR : DCE-MRIを用いた乳房発作学習のためのトポロジー誘導深部畳み込みネットワーク
• Authors: Fan Wang, Zhilin Zou, Nicole Sakla, Luke Partyka, Nil Rawal, Gagandeep Singh, Wei Zhao, Haibin Ling, Chuan Huang, Prateek Prasanna, Chao Chen,
• Abstract要約: そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
• 参考スコア（独自算出の注目度）: 49.69047720285225
• License:
• Abstract: Characterization of breast parenchyma in dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) is a challenging task owing to the complexity of underlying tissue structures. Existing quantitative approaches, like radiomics and deep learning models, lack explicit quantification of intricate and subtle parenchymal structures, including fibroglandular tissue. To address this, we propose a novel topological approach that explicitly extracts multi-scale topological structures to better approximate breast parenchymal structures, and then incorporates these structures into a deep-learning-based prediction model via an attention mechanism. Our topology-informed deep learning model, \emph{TopoTxR}, leverages topology to provide enhanced insights into tissues critical for disease pathophysiology and treatment response. We empirically validate \emph{TopoTxR} using the VICTRE phantom breast dataset, showing that the topological structures extracted by our model effectively approximate the breast parenchymal structures. We further demonstrate \emph{TopoTxR}'s efficacy in predicting response to neoadjuvant chemotherapy. Our qualitative and quantitative analyses suggest differential topological behavior of breast tissue in treatment-na\"ive imaging, in patients who respond favorably to therapy as achieving pathological complete response (pCR) versus those who do not. In a comparative analysis with several baselines on the publicly available I-SPY 1 dataset (N=161, including 47 patients with pCR and 114 without) and the Rutgers proprietary dataset (N=120, with 69 patients achieving pCR and 51 not), \emph{TopoTxR} demonstrates a notable improvement, achieving a 2.6\% increase in accuracy and a 4.6\% enhancement in AUC compared to the state-of-the-art method.
• Abstract（参考訳）: ダイナミックコントラスト強調MRI(Dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)における乳房内皮腫の特徴は,下層の組織構造が複雑化することによる課題である。 放射能や深層学習モデルのような既存の定量的アプローチは、繊維状組織を含む複雑な微妙な小葉構造の明確な定量化を欠いている。 そこで本研究では,乳房側葉構造をよりよく近似するためのマルチスケールトポロジカル構造を明示的に抽出する新しいトポロジカルアプローチを提案し,これらの構造を注意機構を通じて深層学習に基づく予測モデルに組み込む。 我々のトポロジインフォームド深層学習モデルである \emph{TopoTxR} は、トポロジを利用して、疾患の病態と治療反応に不可欠な組織についての洞察を深める。 VICTRE phantom breast data を用いて \emph{TopoTxR} を実験的に検証し,本モデルにより抽出したトポロジカル構造が乳房側葉構造を効果的に近似することを示した。 さらに, ネオアジュバント化学療法に対する反応予測における \emph{TopoTxR} の有効性を実証した。 本研究の質的および定量的分析は, 治療に好意的に反応する症例において, 乳房組織の位相的挙動の相違を示唆するものである。 公開されているI-SPY 1データセット(pCRが47人,pCRが114人を含む)とRutgersプロプライエタリデータセット(N=120人,pCRが69人,pCRが51人)に対するいくつかのベースラインの比較分析では,emph{TopoTxR} は,最先端の手法に比べて精度 2.6 %,AUC が 4.6 % 向上したことを示す。

関連論文リスト

• Transformer-Based Self-Supervised Learning for Histopathological Classification of Ischemic Stroke Clot Origin [0.0]
  虚血性脳卒中における血栓塞栓源の同定は治療と二次予防に不可欠である。 本研究は,虚血性脳梗塞の発生源を分類するためのエンボリのデジタル病理学における自己教師型深層学習アプローチについて述べる。
  論文  参考訳（メタデータ） (2024-05-01T23:40:12Z)
• 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)
• Reconstructing the somatotopic organization of the corticospinal tract remains a challenge for modern tractography methods [55.07297021627281]
  CST(Corticospinal tract)は、人間の脳において、身体の自発的な動きを制御できる重要なホワイトマター線維である。 拡散MRIトラクトグラフィーは、ヒトの健康におけるCST経路の解剖学的および変動性の研究を可能にする唯一の方法である。
  論文  参考訳（メタデータ） (2023-06-09T02:05:40Z)
• Deep Learning for Predicting Progression of Patellofemoral Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and Symptomatic Assessments [1.1549572298362785]
  本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。 PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。 年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
  論文  参考訳（メタデータ） (2023-05-10T06:43:33Z)
• 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)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• TopoTxR: A Topological Biomarker for Predicting Treatment Response in Breast Cancer [11.724098271782335]
  本研究では, 生体関連組織構造を包含する専用ボキセル群にニューラルネットワークの注目を向ける新しい手法を提案する。 高い塩分率で多次元トポロジー構造を抽出することで、トポロジー由来のバイオマーカーtopotxrを構築する。 乳癌における新アジュバント化学療法に対するTopoTxRの有効性について検討した。
  論文  参考訳（メタデータ） (2021-05-13T02:38:48Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Generative Modelling of 3D in-silico Spongiosa with Controllable Micro-Structural Parameters [1.0804061924593265]
  本稿では, シリコン中の現実的な骨構造を生成するために, 生成的対向ネットワークの最近の進歩を適用することを提案する。 最初のステップでは、ワッサーシュタインの目的と勾配のペナルティを用いて、累積生成モデルを漸進的に訓練した。 骨粗しょう症治療後の骨構造をシミュレートし, 骨粗しょうの治療効果について検討した。
  論文  参考訳（メタデータ） (2020-09-23T18:11:47Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)

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。