論文の概要: A European Multi-Center Breast Cancer MRI Dataset

• arxiv url: http://arxiv.org/abs/2506.00474v1
• Date: Sat, 31 May 2025 08:45:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.091674
• Title: A European Multi-Center Breast Cancer MRI Dataset
• Title（参考訳）: ヨーロッパにおける多施設乳がんMRIデータセット
• Authors: Gustav Müller-Franzes, Lorena Escudero Sánchez, Nicholas Payne, Alexandra Athanasiou, Michael Kalogeropoulos, Aitor Lopez, Alfredo Miguel Soro Busto, Julia Camps Herrero, Nika Rasoolzadeh, Tianyu Zhang, Ritse Mann, Debora Jutz, Maike Bode, Christiane Kuhl, Wouter Veldhuis, Oliver Lester Saldanha, JieFu Zhu, Jakob Nikolas Kather, Daniel Truhn, Fiona J. Gilbert,
• Abstract要約: ODELIAコンソーシアムは、MRIで乳癌を検出するAIツールの開発を支援するために、このマルチセントデータセットを一般公開した。 欧州乳房画像学会の最近のガイドラインでは、乳房の高密度組織に対する補助的スクリーニングツールとして乳房MRIを推奨している。 ODELIAコンソーシアムは、MRIで乳癌を検出するAIツールの開発を支援するために、このマルチセントデータセットを一般公開した。
• 参考スコア（独自算出の注目度）: 32.81686559528397
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting breast cancer early is of the utmost importance to effectively treat the millions of women afflicted by breast cancer worldwide every year. Although mammography is the primary imaging modality for screening breast cancer, there is an increasing interest in adding magnetic resonance imaging (MRI) to screening programmes, particularly for women at high risk. Recent guidelines by the European Society of Breast Imaging (EUSOBI) recommended breast MRI as a supplemental screening tool for women with dense breast tissue. However, acquiring and reading MRI scans requires significantly more time from expert radiologists. This highlights the need to develop new automated methods to detect cancer accurately using MRI and Artificial Intelligence (AI), which have the potential to support radiologists in breast MRI interpretation and classification and help detect cancer earlier. For this reason, the ODELIA consortium has made this multi-centre dataset publicly available to assist in developing AI tools for the detection of breast cancer on MRI.
• Abstract（参考訳）: 乳がんの早期発見は、毎年世界中で乳がんに罹患している数百万人の女性を効果的に治療する上で最も重要である。 マンモグラフィーは乳癌の検診において主要な画像モダリティであるが、特に高リスクの女性に対する検診プログラムにMRI(MRI)を追加することへの関心が高まっている。 欧州乳房イメージング協会(EUSOBI)の最近のガイドラインは、乳房の高密度組織に対する補助的スクリーニングツールとして乳房MRIを推奨している。 しかし、MRIスキャンの取得と読影には、専門家の放射線学者による時間がかなり必要である。 このことは、MRIと人工知能(AI)を使ってがんを正確に検出する新しい自動化手法を開発する必要性を強調している。 このため、ODELIAコンソーシアムは、MRIで乳癌を検出するAIツールの開発を支援するために、このマルチセントデータセットを一般公開した。

関連論文リスト

• Towards order of magnitude X-ray dose reduction in breast cancer imaging using phase contrast and deep denoising [5.618529985480756]
  位相コントラストCT(PCT)は低線量で高画質の画像を生成することが示されている。 深層学習に基づく画像復調は、画質を損なうことなく、放射線線量をさらに16以上削減することができる。
  論文  参考訳（メタデータ） (2025-05-09T06:15:28Z)
• A Large Model for Non-invasive and Personalized Management of Breast Cancer from Multiparametric MRI [19.252851972152957]
  我々は,多パラメータMRI情報を統一構造内に組み込んだMOME(Mixix-of-modality-experts Model)を開発した。 MOMEは乳がんの診断における4人の放射線科医の成績と一致し、中等放射線科医より優れている。
  論文  参考訳（メタデータ） (2024-08-08T05:04:13Z)
• 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)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• 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 Integrated Pipeline of Segmentation Leading to Classification for Automated Detection of Breast Cancer from Breast Ultrasound Images [0.0]
  提案フレームワークは,超音波画像の前処理をSLIC(Simple Linear Iterative Clustering)と統合し,乳房超音波画像の複雑なアーティファクトに対処する。 提案した自動パイプラインは、乳がんをより正確かつタイムリーに診断する医療従事者を支援するために効果的に実装することができる。
  論文  参考訳（メタデータ） (2021-10-26T20:42:39Z)

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。