論文の概要: Registration-Enhanced Segmentation Method for Prostate Cancer in Ultrasound Images
- arxiv url: http://arxiv.org/abs/2502.00712v1
- Date: Sun, 02 Feb 2025 07:58:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 15:01:40.950204
- Title: Registration-Enhanced Segmentation Method for Prostate Cancer in Ultrasound Images
- Title（参考訳）: 超音波画像における前立腺癌に対するレジストレーション強化セグメンテーション法
- Authors: Shengtian Sang, Hassan Jahanandish, Cynthia Xinran Li, Indrani Bhattachary, Jeong Hoon Lee, Lichun Zhang, Sulaiman Vesal, Pejman Ghanouni, Richard Fan, Geoffrey A. Sonn, Mirabela Rusu,
- Abstract要約: 手動アノテーションを必要とせず, TRUS画像中の前立腺腫瘍を直接同定する完全自動MRI-TRUS融合法を提案する。
以上より, 平均Dice係数0.212, TRUS-only (0.117), MRI-TRUS fusion (0.132。
この枠組みは前立腺癌診断の複雑さを軽減する可能性を示し、他のマルチモーダル医療画像タスクに適用可能な柔軟なアーキテクチャを提供する。
- 参考スコア（独自算出の注目度）: 2.5096595271293185
- License:
- Abstract: Prostate cancer is a major cause of cancer-related deaths in men, where early detection greatly improves survival rates. Although MRI-TRUS fusion biopsy offers superior accuracy by combining MRI's detailed visualization with TRUS's real-time guidance, it is a complex and time-intensive procedure that relies heavily on manual annotations, leading to potential errors. To address these challenges, we propose a fully automatic MRI-TRUS fusion-based segmentation method that identifies prostate tumors directly in TRUS images without requiring manual annotations. Unlike traditional multimodal fusion approaches that rely on naive data concatenation, our method integrates a registration-segmentation framework to align and leverage spatial information between MRI and TRUS modalities. This alignment enhances segmentation accuracy and reduces reliance on manual effort. Our approach was validated on a dataset of 1,747 patients from Stanford Hospital, achieving an average Dice coefficient of 0.212, outperforming TRUS-only (0.117) and naive MRI-TRUS fusion (0.132) methods, with significant improvements (p $<$ 0.01). This framework demonstrates the potential for reducing the complexity of prostate cancer diagnosis and provides a flexible architecture applicable to other multimodal medical imaging tasks.
- Abstract（参考訳）: 前立腺がんは、早期発見が生存率を大幅に向上させる、男性におけるがん関連死の主要な原因である。
MRI-TRUS融合生検は、MRIの詳細な可視化とTRUSのリアルタイムガイダンスを組み合わせることで精度が向上するが、手動アノテーションに大きく依存する複雑で時間を要する手順であり、潜在的なエラーをもたらす。
これらの課題に対処するために,手動アノテーションを必要とせず,TRUS画像中の前立腺腫瘍を直接同定する完全自動MRI-TRUS融合線分法を提案する。
ナイーブなデータ結合に依存する従来のマルチモーダル融合法とは異なり,本手法では,MRIとTRUSの空間情報の整合と利用のために,登録区分の枠組みを統合している。
このアライメントはセグメンテーションの精度を高め、手作業への依存を減らす。
提案法は, 平均Dice係数0.212, TRUS-only (0.117), 単純MRI-TRUS fusion (0.132) よりも優れ, 有意な改善(p$<01。
この枠組みは前立腺癌診断の複雑さを軽減する可能性を示し、他のマルチモーダル医療画像タスクに適用可能な柔軟なアーキテクチャを提供する。
関連論文リスト
- ContextMRI: Enhancing Compressed Sensing MRI through Metadata Conditioning [51.26601171361753]
本稿では, 微細なメタデータを再構成プロセスに統合したMRI用テキスト条件拡散モデルであるContextMRIを提案する。
メタデータの忠実度はスライス位置やコントラストから患者年齢、性別、病理まで増加し、体系的に再構築性能が向上することを示す。
論文 参考訳（メタデータ） (2025-01-08T05:15:43Z) - Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。
ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。
本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2024-08-19T15:04:42Z) - Multimodal Deformable Image Registration for Long-COVID Analysis Based on Progressive Alignment and Multi-perspective Loss [0.0]
長期のCOVIDは、持続的な症状、特に肺障害によって特徴づけられる。
XeMRIからの機能的データとCTからの構造的データを統合することは、包括的な分析と効果的な治療戦略に不可欠である。
本稿では,長期肺CTと陽子密度MRIデータとの整合性に優れた画像登録手法を提案する。
論文 参考訳（メタデータ） (2024-06-21T14:19:18Z) - Weakly supervised alignment and registration of MR-CT for cervical cancer radiotherapy [9.060365057476133]
子宮頸癌は女性の死因の1つである。
予備的な空間アライメントアルゴリズムと弱教師付きマルチモーダル登録ネットワークを提案する。
論文 参考訳（メタデータ） (2024-05-21T15:05:51Z) - Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。
特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
論文 参考訳（メタデータ） (2024-05-13T16:07:58Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Cross-modality Guidance-aided Multi-modal Learning with Dual Attention
for MRI Brain Tumor Grading [47.50733518140625]
脳腫瘍は世界で最も致命的ながんの1つであり、子供や高齢者に非常に多い。
本稿では,MRI脳腫瘍グレーディングの課題に対処するために,新たな多モード学習法を提案する。
論文 参考訳（メタデータ） (2024-01-17T07:54:49Z) - Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with
Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。
提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文 参考訳（メタデータ） (2023-10-31T16:39:56Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Implementation of Convolutional Neural Network Architecture on 3D
Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。
提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。
提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
論文 参考訳（メタデータ） (2021-12-29T16:47:52Z)
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。