Fugu-MT 論文翻訳(概要): An inpainting approach to manipulate asymmetry in pre-operative breast images

論文の概要: An inpainting approach to manipulate asymmetry in pre-operative breast images

arxiv url: http://arxiv.org/abs/2502.05652v1
Date: Sat, 08 Feb 2025 17:54:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-11 14:32:09.951821
Title: An inpainting approach to manipulate asymmetry in pre-operative breast images
Title（参考訳）: 術前乳房画像における非対称性の描出
Authors: Helena Montenegro, Maria J. Cardoso, Jaime S. Cardoso,
Abstract要約: 乳房画像における乳頭形状と乳頭位置を再現する塗装法を提案する。 2つの乳房データセットの実験では、提案されたモデルが患者の乳房を現実的に変化させる能力を示している。
参考スコア（独自算出の注目度）: 3.017721041662511
License:
Abstract: One of the most frequent modalities of breast cancer treatment is surgery. Breast surgery can cause visual alterations to the breasts, due to scars and asymmetries. To enable an informed choice of treatment, the patient must be adequately informed of the aesthetic outcomes of each treatment plan. In this work, we propose an inpainting approach to manipulate breast shape and nipple position in breast images, for the purpose of predicting the aesthetic outcomes of breast cancer treatment. We perform experiments with various model architectures for the inpainting task, including invertible networks capable of manipulating breasts in the absence of ground-truth breast contour and nipple annotations. Experiments on two breast datasets show the proposed models' ability to realistically alter a patient's breasts, enabling a faithful reproduction of breast asymmetries of post-operative patients in pre-operative images.
Abstract（参考訳）: 最も頻度の高い乳がん治療の1つは手術である。乳房手術は、傷や症状のために乳房に視覚的な変化を引き起こすことがある。患者は治療計画の審美的結果について十分な情報を得る必要がある。本研究では,乳がん治療の美的効果を予測するため,乳房画像における乳頭形状と乳頭位置の操作方法を提案する。本研究は,乳房輪郭や乳首アノテーションがない場合に乳房を操作可能な可逆ネットワークを含む,インペイント作業のための様々なモデルアーキテクチャを用いて実験を行った。 2つの乳房データセットの実験では、提案されたモデルが患者の乳房を現実的に変化させる能力を示し、術後患者の乳房非対称性の忠実な再現を可能にする。

関連論文リスト

Breast Ultrasound Report Generation using LangChain [58.07183284468881]
本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
論文参考訳（メタデータ） (2023-12-05T00:28:26Z)
Case-level Breast Cancer Prediction for Real Hospital Settings [4.248393497787407]
我々は,手動のアノテーションを必要としない症例レベルの乳癌予測のためのフレームワークを開発し,病院で手軽に利用できる症例ラベルを用いて訓練することができる。具体的には,症例レベルの乳癌予測のためのパッチレベルと画像レベルでの2レベルマルチインスタンス学習(MIL)アプローチを提案する。この2レベルMILモデルは,ケースラベルとケース毎の画像数のみを使用可能な,実際の病院環境において適用可能であることを示す。
論文参考訳（メタデータ） (2023-10-19T12:14:28Z)
Diffeomorphic Multi-Resolution Deep Learning Registration for Applications in Breast MRI [4.720982795966162]
近年,ほとんどの医用画像登録作業において,学習ベースの登録手法が最先端のアプローチとなっている。これらの手法は乳房画像登録に一定の困難を伴ってはまだ普及していない。この研究の重要な貢献の1つは、乳房画像の優れた登録結果を生成する登録ネットワークである。
論文参考訳（メタデータ） (2023-09-24T23:16:38Z)
High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文参考訳（メタデータ） (2022-09-20T15:57:12Z)
Deep Aesthetic Assessment and Retrieval of Breast Cancer Treatment Outcomes [2.15242029196761]
乳がん治療の美的効果を評価するための金の基準はない。本研究では,美的評価を行うディープ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） (2022-05-25T09:46:43Z)
Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
論文参考訳（メタデータ） (2022-01-09T04:35:55Z)
Learning the shape of female breasts: an open-access 3D statistical shape model of the female breast built from 110 breast scans [5.074812070492739]
レーゲンスバーグ乳形モデル(Regensburg Breast Shape Model, RBSM)は、110個の乳腺スキャンで作られた女性の乳房の3次元統計形状モデルである。 RBSMは胸郭の形状から可能な限り独立して様々な乳房形状を産生することができる。
論文参考訳（メタデータ） (2021-07-28T16:14:49Z)
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)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
Deep Learning-Based Automatic Detection of Poorly Positioned Mammograms to Minimize Patient Return Visits for Repeat Imaging: A Real-World Application [0.9304227142731367]
本研究では, 意思決定過程を模倣し, 自動化し, 位置が不適切なマンモグラムを同定する深層学習アルゴリズムを提案する。提案モデルでは,正位91.35%,正位95.11%,正位91.35%,正位95.11%であった。
論文参考訳（メタデータ） (2020-09-28T18:54:53Z)
Understanding the robustness of deep neural network classifiers for breast cancer screening [52.50078591615855]
ディープニューラルネットワーク(DNN)は乳がん検診において有望であるが、その入力摂動に対する堅牢性は臨床的に実装される前によりよく理解する必要がある。放射線技師レベルのマンモグラム画像分類器の4種類の入力摂動に対する感度を測定した。また,低域通過フィルタの効果について詳細な解析を行い,臨床的に有意な特徴の視認性を低下させることを示した。
論文参考訳（メタデータ） (2020-03-23T01:26:36Z)

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。