論文の概要: Registration of Longitudinal Liver Examinations for Tumor Progress Assessment
- arxiv url: http://arxiv.org/abs/2501.14483v1
- Date: Fri, 24 Jan 2025 13:35:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-27 14:57:35.171062
- Title: Registration of Longitudinal Liver Examinations for Tumor Progress Assessment
- Title（参考訳）: 腫瘍進展評価のための縦断肝検査の登録
- Authors: Walid Yassine, Martin Charachon, Céline Hudelot, Roberto Ardon,
- Abstract要約: 本研究は,肝セグメンテーションからの幾何学的および解剖学的情報に基づく登録手法を提案する。
提案法は317名の患者と53名の患者を対象とし, 縦断肝CTで訓練, 試験を行った。
- 参考スコア（独自算出の注目度）: 6.202270318666249
- License:
- Abstract: Assessing cancer progression in liver CT scans is a clinical challenge, requiring a comparison of scans at different times for the same patient. Practitioners must identify existing tumors, compare them with prior exams, identify new tumors, and evaluate overall disease evolution. This process is particularly complex in liver examinations due to misalignment between exams caused by several factors. Indeed, longitudinal liver examinations can undergo different non-pathological and pathological changes due to non-rigid deformations, the appearance or disappearance of pathologies, and other variations. In such cases, existing registration approaches, mainly based on intrinsic features may distort tumor regions, biasing the tumor progress evaluation step and the corresponding diagnosis. This work proposes a registration method based only on geometrical and anatomical information from liver segmentation, aimed at aligning longitudinal liver images for aided diagnosis. The proposed method is trained and tested on longitudinal liver CT scans, with 317 patients for training and 53 for testing. Our experimental results support our claims by showing that our method is better than other registration techniques by providing a smoother deformation while preserving the tumor burden (total volume of tissues considered as tumor) within the volume. Qualitative results emphasize the importance of smooth deformations in preserving tumor appearance.
- Abstract（参考訳）: 肝CT検査で癌進行を評価することは臨床的課題であり、同一患者の異なる時間におけるスキャンを比較する必要がある。
医師は、既存の腫瘍を特定し、それらを以前の検査と比較し、新しい腫瘍を特定し、全体的な疾患の進化を評価する必要がある。
このプロセスは、いくつかの要因による検査の不一致による肝検査において特に複雑である。
実際、縦断肝検査は、非剛性変形、病理の出現または消失、その他の変異による、病理学的および病理学的変化が異なる可能性がある。
このような場合、内在的特徴に基づく既存の登録アプローチは、腫瘍進展評価ステップとそれに対応する診断を偏見して、腫瘍領域を歪ませる可能性がある。
本研究は, 肝区域からの幾何学的, 解剖学的情報のみに基づく登録法を提案する。
提案法は317名の患者と53名の患者を対象とし, 縦断肝CTで訓練, 試験を行った。
本研究は, 腫瘍負担(腫瘍とみなす組織量)を容積に保ちながら, よりスムーズな変形を提供することにより, 他の登録技術よりも優れた方法であることが確認された。
質的な結果は腫瘍の外観を維持する上での滑らかな変形の重要性を強調した。
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) - Realism in Action: Anomaly-Aware Diagnosis of Brain Tumors from Medical Images Using YOLOv8 and DeiT [1.024113475677323]
本研究は,脳腫瘍の診断・分類に深層学習(DL)技術を活用することでこの問題に対処する。
NBML(National Brain Mapping Lab)は、30の腫瘍患者と51の正常患者を含む81の患者を対象とする。
このアプローチは、信頼できる腫瘍の検出と分類において有望な進歩を示し、現実の医療画像シナリオにおける腫瘍診断の潜在的な進歩を提供する。
論文 参考訳（メタデータ） (2024-01-06T20:53:02Z) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳（メタデータ） (2022-09-27T14:08:19Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Discovering Clinically Meaningful Shape Features for the Analysis of
Tumor Pathology Images [2.864559331994679]
腫瘍組織スライドのデジタル画像化は、がん診断の日常的な臨床方法になりつつある。
近年のディープラーニング手法の進歩により,病理画像中の腫瘍領域を大規模に検出し,特徴付けることが可能になった。
論文 参考訳（メタデータ） (2020-12-09T05:56:41Z) - Predicting survival outcomes using topological features of tumor
pathology images [1.0742675209112622]
本稿では,デジタル病理画像から腫瘍進展を特徴付けるトポロジカルな特徴を提案する。
病理像に対する距離変換を開発し, 腫瘍形状, 大きさ, 分布, 結合度をトポロジカルサマリー統計学的に定量化する。
その結果, 年齢, 性別, 喫煙状況, ステージ, 腫瘍の大きさを調節し, 生存予後を予測した。
論文 参考訳（メタデータ） (2020-12-07T18:16:59Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale
Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。
本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
論文 参考訳（メタデータ） (2020-06-28T19:55:34Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - 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。