論文の概要: Universal Lymph Node Detection in Multiparametric MRI with Selective Augmentation

• arxiv url: http://arxiv.org/abs/2504.05196v1
• Date: Mon, 07 Apr 2025 15:46:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:13:26.240609
• Title: Universal Lymph Node Detection in Multiparametric MRI with Selective Augmentation
• Title（参考訳）: 選択的増強を用いたマルチパラメトリックMRIにおけるユニバーサルリンパ節検出
• Authors: Tejas Sudharshan Mathai, Sungwon Lee, Thomas C. Shen, Zhiyong Lu, Ronald M. Summers,
• Abstract要約: 放射線医は、悪性リンパ節と良性リンパ節を区別するために、通常、リンパ節(LN)のサイズを測定する。 重篤な臨床日に小転移性LNが欠失する可能性があった。 生体内良性ノードと転移性ノードの両方を普遍的に検出するパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 5.587946304971424
• License:
• Abstract: Robust localization of lymph nodes (LNs) in multiparametric MRI (mpMRI) is critical for the assessment of lymphadenopathy. Radiologists routinely measure the size of LN to distinguish benign from malignant nodes, which would require subsequent cancer staging. Sizing is a cumbersome task compounded by the diverse appearances of LNs in mpMRI, which renders their measurement difficult. Furthermore, smaller and potentially metastatic LNs could be missed during a busy clinical day. To alleviate these imaging and workflow problems, we propose a pipeline to universally detect both benign and metastatic nodes in the body for their ensuing measurement. The recently proposed VFNet neural network was employed to identify LN in T2 fat suppressed and diffusion weighted imaging (DWI) sequences acquired by various scanners with a variety of exam protocols. We also use a selective augmentation technique known as Intra-Label LISA (ILL) to diversify the input data samples the model sees during training, such that it improves its robustness during the evaluation phase. We achieved a sensitivity of $\sim$83\% with ILL vs. $\sim$80\% without ILL at 4 FP/vol. Compared with current LN detection approaches evaluated on mpMRI, we show a sensitivity improvement of $\sim$9\% at 4 FP/vol.
• Abstract（参考訳）: マルチパラメトリックMRI (MPMRI) におけるリンパ節のロバスト局在は, リンパ節疾患の診断に重要である。 放射線科医は通常、悪性リンパ節と良性リンパ節を区別するためにLNのサイズを測定する。 サイズは、mpMRIにおけるLNの多様な出現によって複雑化され、測定が困難になる。 さらに,多忙な臨床日中に,より小さく,潜在的に転移性LNが欠落する可能性があった。 これらの画像やワークフローの問題を緩和するために,生体内良性ノードと転移性ノードの両方を普遍的に検出するパイプラインを提案する。 最近提案されたVFNetニューラルネットワークは、様々な検査プロトコルを持つスキャナーによって取得されたT2脂肪抑制および拡散重み付け画像(DWI)配列のLNを同定するために用いられた。 また、モデルがトレーニング中に見る入力データを多様化するために、イントララベルLISA (ILL) と呼ばれる選択的拡張技術を用いて、評価フェーズにおける堅牢性を向上する。 4 FP/vol で ILL を使わずに $\sim$83\% を ILL 対 $\sim$80\% で達成した。 mpMRIによる現在のLN検出手法と比較して,4FP/volで$\sim$9\%の感度改善が見られた。

関連論文リスト

• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Enhancing Prostate Cancer Diagnosis with Deep Learning: A Study using mpMRI Segmentation and Classification [0.0]
  前立腺癌(PCa)は世界中の男性の間で重篤な疾患である。早期にPCaを同定し,有効治療のための正確な診断を行うことが重要である。 深層学習(DL)モデルは、医師の関心領域を特定することで、既存の臨床システムを強化し、患者のケアを改善することができる。 本研究は, mpMRI画像の分類とセグメンテーションによく知られたDLモデルを用いてPCaを検出する。
  論文  参考訳（メタデータ） (2023-10-09T03:00:15Z)
• Anatomy-Aware Lymph Node Detection in Chest CT using Implicit Station Stratification [26.37655039085294]
  リンパ節 (LN) は体中に散在する小さな腺である。 異なる局におけるCT画像の出現とLNのコンテキストは, 自動検出の課題として大きく異なる。 駅情報を活用することでLN検出性能を向上させるための新しいエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-28T02:41:41Z)
• Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI [3.427418283795734]
  本研究では,拡大した末梢血管空間(ePVS)の深部学習に基づく検出のためのMRI(MRI)の最適組み合わせを見出すことを目的とした。 我々は,ePVS検出に適応した有効軽量U-Netを実装し,SWI,FLAIR,T1-weighted (T1w) およびT2-weighted (T2w) MRIの様々な組み合わせについて検討した。 我々はT2w MRIがePVSの正確な検出に最も重要であり,SWI,FLAIR,FLAIRが組み込まれていると結論付けた。
  論文  参考訳（メタデータ） (2022-09-27T22:35:41Z)
• 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)
• Universal Lymph Node Detection in T2 MRI using Neural Networks [9.256201343701251]
  T2 Magnetic Resonance Imaging (MRI) における転移を疑う腹部リンパ節の同定は, 増殖性疾患の進行に重要である。 LN検出の以前の研究は、単一のMRスライスで身体の特定の解剖学的領域(骨盤、直腸)に限られていた。 本研究では,ニューラルネットワークを用いた容積T2MRIにおける腹部LNを普遍的に同定するCADパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-03-31T18:52:35Z)
• Lymph Node Detection in T2 MRI with Transformers [16.67902664405201]
  そこで本研究では,T2 MRIスキャンにおける不審な転移リンパ節の局所化にDetection TRansformer (DETR) ネットワークを用いることを提案する。 われわれはT2 MRIにおけるリンパ節検出の現状を改善した。
  論文  参考訳（メタデータ） (2021-11-09T00:06:27Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)

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。