論文の概要: MammoTracker: Mask-Guided Lesion Tracking in Temporal Mammograms

• arxiv url: http://arxiv.org/abs/2507.00328v1
• Date: Mon, 30 Jun 2025 23:56:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.131357
• Title: MammoTracker: Mask-Guided Lesion Tracking in Temporal Mammograms
• Title（参考訳）: MammoTracker:仮面ガイド下乳房病変追跡
• Authors: Xuan Liu, Yinhao Ren, Marc D. Ryser, Lars J. Grimm, Joseph Y. Lo,
• Abstract要約: MammoTrackerはマスクでガイドされた病変追跡フレームワークで、連続試験で病変の局在を自動化する。 提案手法は,グローバル検索,ローカル検索,スコアリファインメントという3つの重要なモジュールを組み込んだ粗大な戦略に従う。 データセットはhttps://gitlab.oit.duke.edu/railabs/LoGroup/mammotracker.comから入手可能です。
• 参考スコア（独自算出の注目度）: 1.9196507260966293
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurate lesion tracking in temporal mammograms is essential for monitoring breast cancer progression and facilitating early diagnosis. However, automated lesion correspondence across exams remains a challenges in computer-aided diagnosis (CAD) systems, limiting their effectiveness. We propose MammoTracker, a mask-guided lesion tracking framework that automates lesion localization across consecutively exams. Our approach follows a coarse-to-fine strategy incorporating three key modules: global search, local search, and score refinement. To support large-scale training and evaluation, we introduce a new dataset with curated prior-exam annotations for 730 mass and calcification cases from the public EMBED mammogram dataset, yielding over 20000 lesion pairs, making it the largest known resource for temporal lesion tracking in mammograms. Experimental results demonstrate that MammoTracker achieves 0.455 average overlap and 0.509 accuracy, surpassing baseline models by 8%, highlighting its potential to enhance CAD-based lesion progression analysis. Our dataset will be available at https://gitlab.oit.duke.edu/railabs/LoGroup/mammotracker.
• Abstract（参考訳）: 乳がんの進行をモニタリングし早期診断を容易にするために,側頭マンモグラムの正確な病変追跡が重要である。 しかし, コンピュータ支援診断(CAD)システムでは, 自動病変対応は依然として課題であり, 有効性は制限されている。 本研究では,マスクガイド下病変追跡フレームワークであるMammoTrackerを提案する。 提案手法は,グローバル検索,ローカル検索,スコアリファインメントという3つの重要なモジュールを組み込んだ粗大な戦略に従う。 大規模なトレーニングと評価を支援するため,公的EMBEDマンモグラムデータセットから730件の大量・石灰化症例に対する事前検査用アノテーションを用いた新しいデータセットを導入し,20000以上の病変対が得られたことにより,マンモグラムにおける時間的病変追跡のための最大のリソースとなった。 実験の結果,MammoTrackerは平均オーバーラップ率0.455,精度0.509,ベースラインモデル8%を超え,CADベースの病変進展解析を向上する可能性が示された。 データセットはhttps://gitlab.oit.duke.edu/railabs/LoGroup/mammotracker.comから入手可能です。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• AI in Lung Health: Benchmarking Detection and Diagnostic Models Across Multiple CT Scan Datasets [0.33923727961771083]
  肺がんは、世界中でがん関連死亡の原因となっている。 医療画像への人工知能の統合が拡大するにつれ、堅牢なAIモデルの開発と評価は、大規模で注釈の付いたデータセットへのアクセスを必要としている。 我々は,3次元結節検出と肺がん分類のためのディープラーニングモデルをベンチマークした。
  論文  参考訳（メタデータ） (2024-05-07T18:36:40Z)
• Self-distilled Masked Attention guided masked image modeling with noise Regularized Teacher (SMART) for medical image analysis [6.712251433139412]
  注意誘導型マスク画像モデリング(MIM)を用いた事前学習型視覚変換器(ViT)は、自然画像解析において下流の精度を向上することを示した。 我々は,MIMの選択的マスキングを誘導するために,雑音の多い運動量更新教師を組み合わせた共蒸留スウィントランスを開発した。
  論文  参考訳（メタデータ） (2023-10-02T13:53:55Z)
• Virchow: A Million-Slide Digital Pathology Foundation Model [34.38679208931425]
  本稿では,コンピュータ病理学の基礎モデルであるVirchowを紹介する。 Virchowは、150万のヘマトキシリンとエオシン染色されたスライドイメージに基づいて、632万のパラメータをトレーニングしたビジョントランスフォーマーモデルである。
  論文  参考訳（メタデータ） (2023-09-14T15:09:35Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• 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)
• Deep Lesion Tracker: Monitoring Lesions in 4D Longitudinal Imaging Studies [19.890200389017213]
  深部病変追跡器(DLT)は、外観と解剖学的信号の両方を使用するディープラーニングアプローチです。 我々は,公開deeplesionデータベースから3891個の病巣対からなる最初の病巣追跡ベンチマークをリリースする。 dltは100の縦断研究の外部臨床検査セットをよく一般化し、88%の精度を達成する。
  論文  参考訳（メタデータ） (2020-12-09T05:23:46Z)
• Breast mass detection in digital mammography based on anchor-free architecture [0.4568777157687961]
  BMassDNet(Breast Mass Detection Network)と呼ばれる一段階の物体検出アーキテクチャを提案する。 BMassDNetはアンカーフリーで特徴ピラミッドに基づいており、異なる大きさの乳房の質量を検出する。 提案するBMassDNetは,現在最上位の手法よりも競合検出性能が高いことを示す。
  論文  参考訳（メタデータ） (2020-09-02T07:11:16Z)

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。