論文の概要: Improving Deformable Image Registration Accuracy through a Hybrid Similarity Metric and CycleGAN Based Auto-Segmentation

• arxiv url: http://arxiv.org/abs/2411.16992v1
• Date: Mon, 25 Nov 2024 23:49:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-27 13:31:24.202532
• Title: Improving Deformable Image Registration Accuracy through a Hybrid Similarity Metric and CycleGAN Based Auto-Segmentation
• Title（参考訳）: ハイブリッド類似度メトリックとCycleGANに基づくオートセグメンテーションによる変形可能な画像登録精度の向上
• Authors: Keyur D. Shah, James A. Shackleford, Nagarajan Kandasamy, Gregory C. Sharp,
• Abstract要約: 変形性画像登録(DIR)は、解剖学的変化を考慮に入れた適応放射線療法(ART)において重要である。 従来の強度に基づくDIR法は、画像強度が異なるときにしばしば失敗する。 本研究は,CycleGANに基づく強度補正とオートセグメンテーションを利用して,強度と構造情報を組み合わせたハイブリッド類似度測定値を評価する。
• 参考スコア（独自算出の注目度）: 3.0467823892854238
• License:
• Abstract: Purpose: Deformable image registration (DIR) is critical in adaptive radiation therapy (ART) to account for anatomical changes. Conventional intensity-based DIR methods often fail when image intensities differ. This study evaluates a hybrid similarity metric combining intensity and structural information, leveraging CycleGAN-based intensity correction and auto-segmentation across three DIR workflows. Methods: A hybrid similarity metric combining a point-to-distance (PD) score and intensity similarity was implemented. Synthetic CT (sCT) images were generated using a 2D CycleGAN model trained on unpaired CT and CBCT images to enhance soft-tissue contrast. DIR workflows compared included: (1) traditional intensity-based (No PD), (2) auto-segmented contours on sCT (CycleGAN PD), and (3) expert manual contours (Expert PD). A 3D U-Net model trained on 56 images and validated on 14 cases segmented the prostate, bladder, and rectum. DIR accuracy was assessed using Dice Similarity Coefficient (DSC), 95% Hausdorff Distance (HD), and fiducial separation. Results: The hybrid metric improved DIR accuracy. For the prostate, DSC increased from 0.61+/-0.18 (No PD) to 0.82+/-0.13 (CycleGAN PD) and 0.89+/-0.05 (Expert PD), with reductions in 95% HD from 11.75 mm to 4.86 mm and 3.27 mm, respectively. Fiducial separation decreased from 8.95 mm to 4.07 mm (CycleGAN PD) and 4.11 mm (Expert PD) (p < 0.05). Improvements were also observed for the bladder and rectum. Conclusion: This study demonstrates that a hybrid similarity metric using CycleGAN-based auto-segmentation improves DIR accuracy, particularly for low-contrast CBCT images. These findings highlight the potential for integrating AI-based image correction and segmentation into ART workflows to enhance precision and streamline clinical processes.
• Abstract（参考訳）: 目的: 解剖学的変化を考慮した適応放射線療法(ART)において, 変形性画像登録(DIR)が重要である。 従来の強度に基づくDIR法は、画像強度が異なるときにしばしば失敗する。 本研究は,3つのDIRワークフローにおけるCycleGANに基づく強度補正とオートセグメンテーションを利用して,強度と構造情報を組み合わせたハイブリッド類似度尺度を評価する。 方法: 点間距離(PD)スコアと強度類似度を組み合わせたハイブリッド類似度測定を行った。 2次元CycleGANモデルを用いて合成CT(sCT)画像を生成し,ソフトコントラストを高める。 DIR のワークフローは,(1) 従来の強度ベース (No PD), (2) sCT (CycleGAN PD), (3) エキスパート手動輪郭 (Expert PD) で比較した。 56画像で訓練し,前立腺,膀胱,直腸を分画した14症例で検証した3D U-Netモデル。 Dice similarity Coefficient (DSC), Hausdorff Distance (HD), fiducial separation を用いてDIRの精度を評価した。 結果: ハイブリッド測定によりDIRの精度が向上した。 前立腺は0.61+/-0.18(No PD)から0.82+/-0.13(CycleGAN PD)、0.89+/-0.05(Expert PD)に増加し、それぞれ95%HDが11.75 mmから4.86 mmと3.27 mmに減少した。 フィデューシャル分離は8.95mmから4.07mm (CycleGAN PD) と4.11mm (Expert PD) (p < 0.05) に減少した。 膀胱,直腸でも改善が認められた。 結論:本研究は,低コントラストCBCT画像において,CycleGANをベースとしたオートセグメンテーションを用いたハイブリッド類似度測定によりDIRの精度が向上することを示した。 これらの知見は、AIベースの画像補正とセグメンテーションをARTワークフローに統合し、精度を高め、臨床プロセスを効率化する可能性を強調している。

関連論文リスト

• 3D Lymphoma Segmentation on PET/CT Images via Multi-Scale Information Fusion with Cross-Attention [6.499725732124126]
  本研究は,びまん性大細胞型B細胞リンパ腫(DLBCL)の正確な分節法を開発することを目的とする。 シフトウインドウ変換器とマルチスケール情報融合(MSIF)モジュールを用いた3次元デュアルブランチエンコーダセグメンテーション法を提案する。 このモデルは5倍のクロスバリデーションを用いて165名のDLBCL患者のデータセットを用いて訓練および検証を行った。
  論文  参考訳（メタデータ） (2024-02-04T05:25:12Z)
• Attention and Pooling based Sigmoid Colon Segmentation in 3D CT images [11.861208424384046]
  シグモイド結腸は憩室炎を治療するための重要な側面である。 本研究はCT画像からシグモイド結腸を抽出するための新しいディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-09-25T04:52:46Z)
• One shot PACS: Patient specific Anatomic Context and Shape prior aware recurrent registration-segmentation of longitudinal thoracic cone beam CTs [3.3504365823045044]
  胸部CBCTは, 造影コントラスト, 画像所見, 呼吸運動, 胸腔内解剖学的変化により, 分画が困難である。 縦型CBCTセグメンテーションのための新規な患者固有の解剖コンテキストと先行形状, PACS-3Dリカレントレジストレーションネットワークを開発した。
  論文  参考訳（メタデータ） (2022-01-26T15:18:30Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• CyTran: A Cycle-Consistent Transformer with Multi-Level Consistency for Non-Contrast to Contrast CT Translation [56.622832383316215]
  コントラストCTを非コントラストCTに変換する手法を提案する。 提案手法は、CyTranを略して、サイクル一貫性のある生成逆転変換器に基づいている。 実験の結果、CyTranは競合するすべての手法より優れています。
  論文  参考訳（メタデータ） (2021-10-12T23:25:03Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Weaving Attention U-net: A Novel Hybrid CNN and Attention-based Method for Organs-at-risk Segmentation in Head and Neck CT Images [11.403827695550111]
  我々は、畳み込みニューラルネットワーク(CNN)と自己認識機構を組み合わせた、新しいハイブリッドディープラーニングアプローチを開発した。 提案手法は10臓器対リスク(OAR)の基底真理によく似た輪郭を生成する。 新しいウィービング注意U-netは頭頸部CT画像のセグメンテーションに優れているか類似した性能を示した。
  論文  参考訳（メタデータ） (2021-07-10T14:27:46Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)
• Using a Generative Adversarial Network for CT Normalization and its Impact on Radiomic Features [3.4548443472506194]
  放射線学的特徴は、線量レベルとスライス厚さの違いによる取得の違いに敏感である。 減線量,厚みスライス (2.0mm) 画像を正常線量 (100%) , 薄いスライス (1.0mm) 画像に正規化するために, GAN (3D Generative Adversarial Network) を用いた。
  論文  参考訳（メタデータ） (2020-01-22T23:41:29Z)

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。