論文の概要: BreastDCEDL: Curating a Comprehensive DCE-MRI Dataset and developing a Transformer Implementation for Breast Cancer Treatment Response Prediction

• arxiv url: http://arxiv.org/abs/2506.12190v2
• Date: Fri, 20 Jun 2025 17:29:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 12:57:34.475545
• Title: BreastDCEDL: Curating a Comprehensive DCE-MRI Dataset and developing a Transformer Implementation for Breast Cancer Treatment Response Prediction
• Title（参考訳）: BreastDCEDL:包括的DCE-MRIデータセットの算出と乳癌治療応答予測のためのトランスフォーマ実装の開発
• Authors: Naomi Fridman, Bubby Solway, Tomer Fridman, Itamar Barnea, Anat Goldstein,
• Abstract要約: 乳がん患者2,070例の3D Dynamic Contrast-Enhanced MRI(DCE-MRI)を前処理した深層学習データセットであるBreastDCEDLについて報告する。 生のDICOM画像データは、厳密に3D NIfTIボリュームに変換され、信号の整合性が保たれた。 BreastDCEDLには、事前に定義されたベンチマーク分割が含まれており、再現可能な研究のためのフレームワークを提供し、乳がん画像における臨床的に意味のあるモデリングを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer remains a leading cause of cancer-related mortality worldwide, making early detection and accurate treatment response monitoring critical priorities. We present BreastDCEDL, a curated, deep learning-ready dataset comprising pre-treatment 3D Dynamic Contrast-Enhanced MRI (DCE-MRI) scans from 2,070 breast cancer patients drawn from the I-SPY1, I-SPY2, and Duke cohorts, all sourced from The Cancer Imaging Archive. The raw DICOM imaging data were rigorously converted into standardized 3D NIfTI volumes with preserved signal integrity, accompanied by unified tumor annotations and harmonized clinical metadata including pathologic complete response (pCR), hormone receptor (HR), and HER2 status. Although DCE-MRI provides essential diagnostic information and deep learning offers tremendous potential for analyzing such complex data, progress has been limited by lack of accessible, public, multicenter datasets. BreastDCEDL addresses this gap by enabling development of advanced models, including state-of-the-art transformer architectures that require substantial training data. To demonstrate its capacity for robust modeling, we developed the first transformer-based model for breast DCE-MRI, leveraging Vision Transformer (ViT) architecture trained on RGB-fused images from three contrast phases (pre-contrast, early post-contrast, and late post-contrast). Our ViT model achieved state-of-the-art pCR prediction performance in HR+/HER2- patients (AUC 0.94, accuracy 0.93). BreastDCEDL includes predefined benchmark splits, offering a framework for reproducible research and enabling clinically meaningful modeling in breast cancer imaging.
• Abstract（参考訳）: 乳がんはいまだに世界中のがん関連死亡の原因であり、早期発見と治療反応の正確な監視が最優先事項となっている。 今回我々は,I-SPY1,I-SPY2,Duke cohortsから抽出した2,070名の乳がん患者の3D Dynamic Contrast-Enhanced MRI(DCE-MRI)を前処理した深層学習データセットであるBreastDCEDLを提案する。 生のDICOM画像データを標準化した3D NIfTIボリュームに高度に変換し, 保存信号の整合性, 組織学的完全反応 (pCR) , ホルモン受容体 (HR) , HER2 状態を含む統一的な腫瘍アノテーションと調和した臨床メタデータを付加した。 DCE-MRIは重要な診断情報を提供し、深層学習はそのような複雑なデータを解析する膨大な可能性を提供するが、アクセス可能でパブリックなマルチセンターデータセットの欠如によって進歩は制限されている。 BreastDCEDLは、大規模なトレーニングデータを必要とする最先端のトランスフォーマーアーキテクチャを含む、高度なモデルの開発を可能にすることで、このギャップに対処する。 そこで我々は、3つのコントラスト位相(コントラスト前、後コントラスト後、後コントラスト後)からRGB融合画像に基づいてトレーニングされたViTアーキテクチャを利用した乳房DCE-MRIのためのトランスフォーマーモデルを開発した。 HR+/HER2-患者 (AUC 0.94, 精度 0.93。 BreastDCEDLは、予め定義されたベンチマーク分割を含み、再現可能な研究のためのフレームワークを提供し、乳がん画像における臨床的に有意義なモデリングを可能にする。

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)
• Deep Learning-Based Noninvasive Screening of Type 2 Diabetes with Chest X-ray Images and Electronic Health Records [2.2940141855172036]
  本研究は,胸部X線画像と他の非侵襲的データソース,例えば電子健康記録(EHR)や心電図信号の統合をT2DM検出のために評価した。 エンドツーエンドのResNet-LSTMモデルのAUROCは0.86で、CXRのみのベースラインをわずか9863のトレーニングサンプルで2.3%上回った。
  論文  参考訳（メタデータ） (2024-12-14T20:18:16Z)
• MPBD-LSTM: A Predictive Model for Colorectal Liver Metastases Using Time Series Multi-phase Contrast-Enhanced CT Scans [8.437136847051546]
  我々は,大腸癌肝転移の予測方法を評価するため,最先端のディープラーニング技術を構築した。 実験の結果,MPBD-LSTMと呼ばれる3次元双方向LSTMに基づくマルチプレーンアーキテクチャが最適であることがわかった。
  論文  参考訳（メタデータ） (2024-12-02T21:02:11Z)
• 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)
• Pre- to Post-Contrast Breast MRI Synthesis for Enhanced Tumour Segmentation [0.9722528000969453]
  本研究は, GAN(Generative Adversarial Network)を用いて, コントラスト前T1強調脂肪飽和乳房MRIを対応する第1DCE-MRIシーケンスに翻訳することにより, 合成コントラスト増強の実現可能性について検討した。 定量的な画像品質指標を用いて生成したDCE-MRIデータを評価し、3D乳房切片の下流タスクに適用する。 以上の結果から, 造影後DCE-MRI合成が乳房のセグメンテーションモデルの堅牢性向上に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2023-11-17T21:48:41Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• 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)
• 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)

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。