論文の概要: Leveraging Semantic Asymmetry for Precise Gross Tumor Volume Segmentation of Nasopharyngeal Carcinoma in Planning CT
- arxiv url: http://arxiv.org/abs/2411.18290v1
- Date: Wed, 27 Nov 2024 12:28:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-28 15:25:30.648666
- Title: Leveraging Semantic Asymmetry for Precise Gross Tumor Volume Segmentation of Nasopharyngeal Carcinoma in Planning CT
- Title(参考訳): 鼻咽喉頭癌術前Gross tumor Volume Segmentation のCT像に対するセマンティック非対称性の応用
- Authors: Zi Li, Ying Chen, Zeli Chen, Yanzhou Su, Tai Ma, Tony C. W. Mok, Yan-Jie Zhou, Yunhai Bai, Zhinlin Zheng, Le Lu, Yirui Wang, Jia Ge, Xianghua Ye, Senxiang Yan, Dakai Jin,
- Abstract要約: 鼻咽喉頭癌(NPC)の放射線治療では,非コントラスト計画CTを用いてGTV(Grog tumor volume)を脱線させるのが一般的である。
腫瘍と隣接する正常な組織との間の低コントラストは、放射線腫瘍学者が手動で腫瘍を脱線させる必要がある。
非コントラストプランニングCT画像にNPC細胞性腫瘍を直接分離する手法を提案する。
- 参考スコア(独自算出の注目度): 12.199850355388214
- License:
- Abstract: In the radiation therapy of nasopharyngeal carcinoma (NPC), clinicians typically delineate the gross tumor volume (GTV) using non-contrast planning computed tomography to ensure accurate radiation dose delivery. However, the low contrast between tumors and adjacent normal tissues necessitates that radiation oncologists manually delineate the tumors, often relying on diagnostic MRI for guidance. % In this study, we propose a novel approach to directly segment NPC gross tumors on non-contrast planning CT images, circumventing potential registration errors when aligning MRI or MRI-derived tumor masks to planning CT. To address the low contrast issues between tumors and adjacent normal structures in planning CT, we introduce a 3D Semantic Asymmetry Tumor segmentation (SATs) method. Specifically, we posit that a healthy nasopharyngeal region is characteristically bilaterally symmetric, whereas the emergence of nasopharyngeal carcinoma disrupts this symmetry. Then, we propose a Siamese contrastive learning segmentation framework that minimizes the voxel-wise distance between original and flipped areas without tumor and encourages a larger distance between original and flipped areas with tumor. Thus, our approach enhances the sensitivity of features to semantic asymmetries. % Extensive experiments demonstrate that the proposed SATs achieves the leading NPC GTV segmentation performance in both internal and external testing, \emph{e.g.}, with at least 2\% absolute Dice score improvement and 12\% average distance error reduction when compared to other state-of-the-art methods in the external testing.
- Abstract(参考訳): 鼻咽頭癌(NPC)の放射線治療において、臨床医は通常、非コントラスト計画CTを用いてGTV(Grog tumor volume)を脱線し、正確な放射線線量提供を確実にする。
しかし、腫瘍と隣接する正常組織との低コントラストは、放射線腫瘍学者が手動で腫瘍を脱線させ、診断のためのMRIに頼る必要がある。
本研究は,MRIやMRI由来の腫瘍マスクをCTに整列させる際の登録誤差を回避し,非コントラスト計画CT画像にNPCグリコール腫瘍を直接分類する手法を提案する。
腫瘍と隣り合う正常構造との低コントラスト問題に対処するために,3次元非対称性腫瘍分割法(SATs)を導入する。
具体的には,健常な鼻咽頭領域が左右対称に特徴的であるのに対して,鼻咽頭癌の出現は,この対称性を阻害していると仮定する。
そこで本研究では,腫瘍を伴わないオリジナル領域とフリップ領域とのボクセルワイド距離を最小化し,腫瘍のあるオリジナル領域とフリップ領域とのより広い距離を促進できる,シームズコントラスト学習セグメンテーションフレームワークを提案する。
したがって,本手法は意味的非対称性に対する特徴の感度を高める。
以上の結果から, SATは内部試験および外部試験の両方において先行的なNPC GTVセグメンテーション性能を達成できることを示した。
関連論文リスト
- Spatio-spectral classification of hyperspectral images for brain cancer
detection during surgical operations [0.0]
脳腫瘍の手術は神経外科において大きな問題である。
手術中の腫瘍境界の同定は困難である。
本研究では,ハイパースペクトル画像の空間特性とスペクトル特性を考慮した新しい分類法の開発について述べる。
論文 参考訳(メタデータ) (2024-02-11T12:58:42Z) - A novel method to compute the contact surface area between an organ and cancer tissue [81.84413479369512]
CSA(contact surface area)とは、腫瘍と臓器の間の接触領域のこと。
我々は,腫瘍と臓器の3次元再構成を頼りに,CSAの正確な客観的評価を行う革新的な方法を提案する。
論文 参考訳(メタデータ) (2024-01-19T14:34:34Z) - Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT
by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。
発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
論文 参考訳(メタデータ) (2023-08-01T12:46:02Z) - Moving from 2D to 3D: volumetric medical image classification for rectal
cancer staging [62.346649719614]
術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。
直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-09-13T07:10:14Z) - Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian
Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。
本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。
実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文 参考訳(メタデータ) (2022-06-30T13:04:42Z) - Synthetic CT Skull Generation for Transcranial MR Imaging-Guided Focused
Ultrasound Interventions with Conditional Adversarial Networks [5.921808547303054]
経頭蓋MRIガイド下集束超音波(TcMRgFUS)は頭蓋骨内の音をMRIガイド下において非侵襲的に小さな領域に集束する治療用超音波法である。
頭蓋骨を通して超音波を的確に標的にするためには、送信波が目標領域に建設的に干渉する必要がある。
論文 参考訳(メタデータ) (2022-02-21T11:34:29Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳(メタデータ) (2021-10-11T07:13:26Z) - Contrast-enhanced MRI Synthesis Using 3D High-Resolution ConvNets [7.892005877717236]
ガドリニウム系造影剤(GBCA)は脳磁気共鳴画像(MRI)における疾患の可視化に広く用いられている
脳腫瘍患者にとって、標準治療には、疾患モニタリングのためのガドリニウムベースのコントラストを有する反復MRIが含まれ、ガドリニウム沈着のリスクを増加させる。
脳腫瘍患者に対する造影T1合成のための深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-04-04T11:54:15Z) - Sequential Learning on Liver Tumor Boundary Semantics and Prognostic
Biomarker Mining [73.23533486979166]
腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。
本論文では,タスクを2つのコンポーネントに分離する,第1および新規な計算フレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-09T01:43:05Z) - DeepPrognosis: Preoperative Prediction of Pancreatic Cancer Survival and
Surgical Margin via Contrast-Enhanced CT Imaging [26.162788846435365]
膵管腺癌(PDAC)は最も致命的ながんの1つである。
3D Contrast-Enhanced Convolutional Long Short-Term Memory Network (CE-ConvLSTM) と命名されたPDAC患者の生存予測のための新しいディープニューラルネットワークを提案する。
腫瘍切除マージンに関連する特徴を学習し,生存率予測を改善することにより,予後とマージン予測の両課題を達成できるマルチタスクCNNを提案する。
論文 参考訳(メタデータ) (2020-08-26T22:51:24Z) - 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。