論文の概要: Revisiting Lesion Tracking in 3D Total Body Photography
- arxiv url: http://arxiv.org/abs/2412.07132v1
- Date: Tue, 10 Dec 2024 02:41:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:37:20.818356
- Title: Revisiting Lesion Tracking in 3D Total Body Photography
- Title（参考訳）: 3次元体写真における病変追跡の再検討
- Authors: Wei-Lun Huang, Minghao Xue, Zhiyou Liu, Davood Tashayyod, Jun Kang, Amir Gandjbakhche, Misha Kazhdan, Mehran Armand,
- Abstract要約: メラノーマは皮膚がんの最も致命的な形態である。
3次元全身写真における皮膚病変の経時的追跡に関する先行研究にもかかわらず、いくつかの課題がある。
本稿では,2組の3次元テクスチャメッシュを取り入れ,全身撮影の文脈における病変と一致し,不整合性病変を同定するフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.3844314021443025
- License:
- Abstract: Melanoma is the most deadly form of skin cancer. Tracking the evolution of nevi and detecting new lesions across the body is essential for the early detection of melanoma. Despite prior work on longitudinal tracking of skin lesions in 3D total body photography, there are still several challenges, including 1) low accuracy for finding correct lesion pairs across scans, 2) sensitivity to noisy lesion detection, and 3) lack of large-scale datasets with numerous annotated lesion pairs. We propose a framework that takes in a pair of 3D textured meshes, matches lesions in the context of total body photography, and identifies unmatchable lesions. We start by computing correspondence maps bringing the source and target meshes to a template mesh. Using these maps to define source/target signals over the template domain, we construct a flow field aligning the mapped signals. The initial correspondence maps are then refined by advecting forward/backward along the vector field. Finally, lesion assignment is performed using the refined correspondence maps. We propose the first large-scale dataset for skin lesion tracking with 25K lesion pairs across 198 subjects. The proposed method achieves a success rate of 89.9% (at 10 mm criterion) for all pairs of annotated lesions and a matching accuracy of 98.2% for subjects with more than 200 lesions.
- Abstract（参考訳）: メラノーマは皮膚がんの最も致命的な形態である。
悪性黒色腫の早期発見には, ネビの進行の追跡と, 新しい病変の発見が不可欠である。
3次元全身写真における皮膚病変の経時的追跡に関する先行研究にもかかわらず、いくつかの課題がある。
1) スキャンで正しい病変対を見つけるための低い精度。
2)雑音性病変検出に対する感度,及び
3)多数の注釈付き病変対を持つ大規模データセットの欠如。
本稿では,2組の3次元テクスチャメッシュを取り入れ,全身撮影の文脈で病変と一致し,不整合性病変を同定するフレームワークを提案する。
まず、ソースとターゲットメッシュをテンプレートメッシュに変換する対応マップの計算から始めます。
テンプレート領域上のソース/ターゲット信号を定義するためにこれらのマップを用いることで、マッピングされた信号に整列したフローフィールドを構築する。
初期対応写像はベクトル場に沿って前方/後方に対流することで洗練される。
最後に、精細な対応地図を用いて病変の割り当てを行う。
本研究は,198名の被験者を対象に,25K病変対を用いた皮膚病変追跡のための最初の大規模データセットを提案する。
提案法は, 注釈付き病変のすべてに対して89.9%(約10mm), 一致精度98.2%(約200例以上)を達成した。
関連論文リスト
- RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。
私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文 参考訳（メタデータ） (2024-04-25T17:11:37Z) - Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。
代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。
不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
論文 参考訳（メタデータ） (2024-01-31T21:05:34Z) - Skin Lesion Correspondence Localization in Total Body Photography [4.999387255024588]
全身写真(TBP)において,テクスチャ情報とテクスチャ情報を組み合わせて皮膚病変対応をソーススキャンからターゲットスキャンにローカライズする新しい枠組みを提案する。
全身3Dキャプチャーがより普及し,高品質になるにつれて,本手法は皮膚病変の経時的追跡において重要なステップとなることが期待されている。
論文 参考訳（メタデータ） (2023-07-18T21:10:59Z) - Skin Lesion Diagnosis Using Convolutional Neural Networks [0.30458514384586394]
本研究の目的は,様々な分野から画像分類のための最先端技術を収集し,この問題に対処することである。
モデルは8012画像のデータセットを用いて訓練され、その性能は2003画像を用いて評価された。
このモデルは、手作りの機能抽出を必要とせずに、イメージからラベルに直接、エンドツーエンドでトレーニングされています。
論文 参考訳（メタデータ） (2023-05-18T17:15:08Z) - 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) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Detection and Longitudinal Tracking of Pigmented Skin Lesions in 3D
Total-Body Skin Textured Meshes [13.93503694899408]
3次元全身皮膚表面スキャンによる皮膚病変の検出と追跡のための自動的アプローチを提案する。
得られた対象の3Dメッシュを2Dテクスチャ画像にラップし、訓練を受けた領域畳み込みニューラルネットワーク(R-CNN)が2D領域内の病変を局在化させる。
以上の結果から, 訓練されたR-CNNは, ヒトのアノテータと同等の性能で病変を検出することが示唆された。
論文 参考訳（メタデータ） (2021-05-02T01:52:28Z) - Method to Classify Skin Lesions using Dermoscopic images [0.0]
皮膚がんは、がん患者の3分の1を構成する既存の世界でもっとも一般的ながんである。
そこで本研究では,CNN(Convolution Neural Networks)をトレーニングモデルとして,皮膚画像を用いた皮膚病変の自動分類モデルを開発した。
このモデルが達成できる最良の精度は0.886である。
論文 参考訳（メタデータ） (2020-08-21T10:58:33Z) - Detector-SegMentor Network for Skin Lesion Localization and Segmentation [0.0]
メラノーマ(Melanoma)は、早期に未診断となった皮膚がんの一種である。
本稿では,ネットワーク・イン・ネットワーク・コンボリューション・ニューラルネットワークによる皮膚病変のセグメンテーションを提案する。
論文 参考訳（メタデータ） (2020-05-13T19:41:27Z) - ElixirNet: Relation-aware Network Architecture Adaptation for Medical
Lesion Detection [90.13718478362337]
本稿では,1)TruncatedRPNが正負値と負値のバランスをとること,2)Auto-lesion Blockが自動的に医療画像にカスタマイズされ,地域提案間の関係認識操作が組み込まれること,3)Relation Transferモジュールが意味的関係を組み込むこと,の3つのコンポーネントを含む新しいElixirNetを紹介した。
DeepLesionとKits19の実験では、ElixirNetの有効性が証明され、パラメータが少なくてFPNよりも感度と精度が向上した。
論文 参考訳（メタデータ） (2020-03-03T05:29:49Z)
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。