論文の概要: Dealing with Segmentation Errors in Needle Reconstruction for MRI-Guided Brachytherapy

• arxiv url: http://arxiv.org/abs/2507.18895v1
• Date: Fri, 25 Jul 2025 02:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.7979
• Title: Dealing with Segmentation Errors in Needle Reconstruction for MRI-Guided Brachytherapy
• Title（参考訳）: MRI-Guided Brachytherapy に対する針再建術におけるセグメンテーションエラーによる治療成績
• Authors: Vangelis Kostoulas, Arthur Guijt, Ellen M. Kerkhof, Bradley R. Pieters, Peter A. N. Bosman, Tanja Alderliesten,
• Abstract要約: 本稿では,分割誤りの処理と再構成精度の向上を目的とした,既存のポストプロセッシング手法への適応を提案する。 前立腺癌データセットの実験は、医療専門家が注釈付けしたMRIスキャンに基づいており、提案した適応がセグメンテーションエラーを効果的に管理するのに役立つことを実証している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Brachytherapy involves bringing a radioactive source near tumor tissue using implanted needles. Image-guided brachytherapy planning requires amongst others, the reconstruction of the needles. Manually annotating these needles on patient images can be a challenging and time-consuming task for medical professionals. For automatic needle reconstruction, a two-stage pipeline is commonly adopted, comprising a segmentation stage followed by a post-processing stage. While deep learning models are effective for segmentation, their results often contain errors. No currently existing post-processing technique is robust to all possible segmentation errors. We therefore propose adaptations to existing post-processing techniques mainly aimed at dealing with segmentation errors and thereby improving the reconstruction accuracy. Experiments on a prostate cancer dataset, based on MRI scans annotated by medical professionals, demonstrate that our proposed adaptations can help to effectively manage segmentation errors, with the best adapted post-processing technique achieving median needle-tip and needle-bottom point localization errors of $1.07$ (IQR $\pm 1.04$) mm and $0.43$ (IQR $\pm 0.46$) mm, respectively, and median shaft error of $0.75$ (IQR $\pm 0.69$) mm with 0 false positive and 0 false negative needles on a test set of 261 needles.
• Abstract（参考訳）: ブラキセラピーは、移植針を用いて腫瘍組織の近くに放射性物質を放出する。 画像誘導型ブラキセラピー計画には、針の再構築などが必要である。 患者画像にこれらの針を手動で注釈付けすることは、医療従事者にとって困難かつ時間を要する作業である。 自動針再建には、2段階のパイプラインが一般的で、セグメンテーションステージと後処理ステージが続く。 ディープラーニングモデルはセグメンテーションに有効であるが、その結果はしばしばエラーを含む。 既存のポストプロセッシングテクニックは、すべての可能性のあるセグメンテーションエラーに対して堅牢ではない。 そこで本研究では,分割誤りの処理を主目的とした既存の後処理技術への適応を提案し,その再現精度を向上する。 前立腺癌データセットの実験は、医療専門家によるMRIスキャンに基づいて、我々の提案した適応がセグメント化エラーを効果的に管理するのに役立つことを実証し、中央値は1.07$ (IQR $\pm 1.04$) mmと$0.43$ (IQR $\pm 0.46$) mm、中央値は0.75$ (IQR $\pm 0.69$) mm、偽陽性は0、偽陰性は261針の試験セットで0である。

関連論文リスト

• Automatic registration with continuous pose updates for marker-less surgical navigation in spine surgery [52.63271687382495]
  本研究では, 腰部脊柱管固定術の登録問題を, 無放射線で自動的に解決するアプローチを提案する。 深部神経ネットワークは、腰椎を分割し、その方向を同時に予測するように訓練され、前手術モデルに対する最初のポーズが得られた。 拡張現実ベースのナビゲーションシステムとの統合により、直感的な外科的ガイダンスが提供される。
  論文  参考訳（メタデータ） (2023-08-05T16:26:41Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
  前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。 提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。 実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
  論文  参考訳（メタデータ） (2023-07-02T05:26:54Z)
• Meta-Analysis of Transfer Learning for Segmentation of Brain Lesions [0.0]
  3次元磁気共鳴(MR)画像からの脳卒中病変の手動分割は、現在の金標準である。 転写学習(TL)と混合データアプローチを用いて訓練した8種類の2次元モデルアーキテクチャを用いて,脳卒中病変の完全自動セグメンテーション手法の実装と試験を行った。 クロスバリデーションの結果,新しい手法は,地中真実と比較して高速かつ高精度に病変を分割できることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T17:42:30Z)
• Segmentation of Planning Target Volume in CT Series for Total Marrow Irradiation Using U-Net [0.0]
  U-Netアーキテクチャを用いたTMLI処理のためのプランニングターゲットボリューム(PTV)のセグメンテーションのためのディープラーニングに基づく自動コンストラクション手法を提案する。 本研究は放射線腫瘍学者を相当の時間で救うことができるセグメンテーションモデルの開発に向けた予備的だが重要なステップである。
  論文  参考訳（メタデータ） (2023-04-05T10:40:37Z)
• MAPPING: Model Average with Post-processing for Stroke Lesion Segmentation [57.336056469276585]
  我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。 本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
  論文  参考訳（メタデータ） (2022-11-11T14:17:04Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Automated cross-sectional view selection in CT angiography of aortic dissections with uncertainty awareness and retrospective clinical annotations [11.415942647070796]
  この作業を容易にするために,クリニックで日常的に手動のアノテーションを効率的に利用する方法を示す。 Ill-posed but repeatitive imaging tasks can be easier or automated by leverage of imperfect, retrospective clinical annotations。
  論文  参考訳（メタデータ） (2021-11-22T15:11:36Z)
• 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)
• Joint Registration and Segmentation via Multi-Task Learning for Adaptive Radiotherapy of Prostate Cancer [3.0929226049096217]
  マルチタスク学習設定による共同問題として登録とセグメンテーションを定式化する。 このアプローチは、前立腺癌に対する適応画像誘導放射線療法の文脈で検討する。
  論文  参考訳（メタデータ） (2021-05-05T02:45:49Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• 4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation [49.32653090178743]
  我々は,MRIボリュームの履歴を用いて,この問題をフル4次元ディープラーニングに拡張することで,性能が向上するかどうか検討する。 提案手法は, 病変側真陽性率0.84, 病変側偽陽性率0.19で従来手法より優れていた。
  論文  参考訳（メタデータ） (2020-04-20T11:41:01Z)
• A Cross-Stitch Architecture for Joint Registration and Segmentation in Adaptive Radiotherapy [1.433758865948252]
  本稿では,画像間のセグメンテーション伝搬を統合した登録ネットワークと,セグメンテーションを直接予測するセグメンテーションネットワークを提案する。 これらのネットワークは、いわゆるクロススティッチユニットを介して単一のジョイントアーキテクチャに接続される。 前立腺CT画像を用いた適応的画像誘導放射線療法の文脈で評価した。
  論文  参考訳（メタデータ） (2020-04-17T08:55:23Z)

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。