prostate cancer | BriefGPT - AI 论文速递

关键词prostate cancer

搜索结果 - 43

基于纹理特征分析的 mpMRI 早期前列腺癌分类
磁共振成像（MRI）是诊断和分期前列腺癌的关键工具，但也产生了大量数据，必须由经过训练的专家评估，这是一项耗时且繁琐的任务。因此，已经开发了基于多种 MRI 模态（T2W、ADC 和高 b 值 DWI）的前列腺癌（PCa）风险分类自动化的机
PDF11 days ago
面向经直肠超声诊断中临床重要前列腺癌分类的多模态融合与基于原型的特征细化
提出了一个新颖的学习框架，利用多模态经直肠超声引导前列腺癌临床显著性分类，使用两个独立的 3D ResNet-50 从 B 模式和切变波弹性成像 (SWE) 中提取独特特征，同时加入注意模块以精确优化 B 模式特征并聚合两种模态提取的特征。
PDF12 days ago
基于位置信息的放射学报告引导的半监督学习在前列腺癌检测中的应用
通过使用未标注图像和基于病灶位置的半监督学习模型，可以改善前列腺病变检测，降低标注负担。
PDF14 days ago
基于乳腺癌迁移学习的 T2 加权图像对临床相关性前列腺癌预测的增强
通过从乳腺癌中进行迁移学习，我们研究了在 T2 加权图像中改善临床意义前列腺癌预测的方法，结果显示在 leave-one-out 交叉验证准确性中取得了超过 30% 的显著提升。
PDF2 months ago
基于卷积神经网络的三维磁共振成像数据前列腺癌分类
评估了不同的卷积神经网络（CNN）对 MRI 序列是否含有恶性病变进行可靠分类的能力，训练和评估了 3D 图像数据的 ResNet、ConvNet 和 ConvNeXt 实现，并使用不同的数据增强技术、学习率和优化器进行训练。最佳结果由 R
PDF3 months ago
针对组织病理图像分类的专注主动学习
Focused Active Learning combines Bayesian Neural Network with Out-of-Distribution detection to estimate different uncert
PDF3 months ago
超声数据中前列腺癌检测图像变换的基准测试
用深度学习方法结合卷积网络和 transformers 的多尺度方法在前列腺癌的超声图像分类中表现最佳，而多目标学习可以提高性能。
PDF3 months ago
评估深度学习在前列腺癌自动格里森分级中的性能
通过利用数字病理学和人工智能，该研究探索了 11 种深度神经网络架构在自动化前列腺癌格里森分级中的潜力，重点比较了传统和最新的架构。使用基于 AUCMEDI 框架的标准化图像分类流程，在具有 34,264 个注释组织切片的内部数据集上进行了
PDF3 months ago
前列腺细胞 Raman 光谱的无监督自组织图揭示疾病状态的分子子类聚类
前列腺癌的新的生物分子亚分类诊断方法是通过分析活细胞拉曼光谱数据，成功地将正常前列腺和癌细胞分离，并将前列腺癌细胞线分为两个亚群；进一步分析显示，脂质的差异表达可能与疾病相关的细胞信号变化有关。
PDF4 months ago
多模态经直肠超声视频分类用于临床显著前列腺癌鉴定
为了有效识别临床显著性前列腺癌 (csPCa)，我们提出了一个利用多模态经直肠超声 (TRUS) 视频进行临床显著性前列腺癌的分类的框架。该框架利用两个 3D ResNet-50 模型从 B 模式图像和剪切波弹性成像图像中提取特征。引入了自
PDF5 months ago
ProsDectNet: 桥接前列腺癌检测中的差距通过经直肠 B 模式超声成像
我们提出了一种多任务深度学习方法 ProsDectNet，用于在 B 超成像中定位前列腺癌，通过最小化熵以改善模型性能，减少误报预测。在 MRI-TRUS 融合针刺活检的 289 名患者中训练和验证 ProsDectNet，然后在另外 41
PDF7 months ago
癌症网 PCa-Gen：通过解剖条件控制的潜在扩散生成逼真的前列腺扩散加权成像数据
通过引入一种解剖条件控制的潜在扩散策略，我们探索了潜在扩散对于生成逼真的前列腺 DWI 数据的有效性。经验结果表明，我们提出的 Cancer-Net PCa-Gen 策略通过可控的肿瘤位置和更好的解剖和纹理保真度提高了多样性前列腺图像的合成
PDF7 months ago
Cancer-Net PCa-Data：一份用于前列腺癌临床决策支持的开源基准数据集，采用合成相关扩散成像数据
在癌症领域的机器学习和成像研究中，我们推出了首个用于前列腺癌的 CDI$^s$ 成像数据的开源基准数据集，该数据集由来自 200 例患者的 CDI$^s$ 体积图像组成，并包含完整的注释信息，旨在帮助世界各地的临床医生对抗癌症。
PDF7 months ago
数字病理学中的鲁棒图表学习
本文提出了一种新颖的鲁棒学习方法来解决整张切片图像（WSIs）中的扰动问题，并通过引入图卷积网络（GCN）从图中提取特征，包括去噪和分类层，以改善前列腺癌的诊断准确率。实验结果表明，与非鲁棒算法相比，该模型在癌症诊断方面取得了显著的改善。
PDF8 months ago
深度学习在前列腺癌诊断中的应用：mpMRI 分割与分类研究
使用多种深度学习模型和多参磁共振成像技术对前列腺癌进行分类和分割，在各种度量指标上表现出优异的性能。
PDF9 months ago
ANNCRIPS: 癌症研究中的人工神经网络应用于预测与生存分析
通过使用人工神经网络的智能数学模型进行早期检测，该研究论文的主要目标是提出一种新颖的数学模型来增强前列腺癌的早期检测，从而帮助医护人员及时干预，减少误诊率，并为患者提供更好的治疗结果。未来的长期目标是将这个解决方案广泛应用于各种筛查中心、医
PDF9 months ago
使用联合训练驱动的多任务双通道卷积神经网络进行符合 PI-RADS v2 标准的前列腺分区自动分割
通过使用双分支卷积神经网络，结合多任务学习和自监督损失函数，本研究提出的方法在 MRI 图像分割准确性上相对于基线方法提高了 7.56%、11.00%、58.43% 和 19.67%，分别适用于前列腺外围区（PZ）、过渡区（TZ）、远侧前列
PDF9 months ago
论 MRI 前列腺癌检测中错误传播的模块化系统评估实践再思考
磁共振成像在前列腺癌（PCa）检测中已成为关键组成部分，人工智能系统可以通过对临床显著（csPCa）和非临床显著（ncsPCa）的病变进行分割和分类来支持放射学评估。本研究通过比较两种具有异质性能的分割网络（s1 和 s2）对检测阶段的影响
PDF10 months ago
ssVERDICT: 自主学习的 VERDICT-MRI 用于提升前列腺肿瘤特征的表征
利用自我监督深度神经网络（DNN）对前列腺癌（PCa）的 VERDICT 模型进行参数估计，首次实现了复杂的三室分生物物理模型的无监督学习，相比传统方法具有更高的估计准确性、减少的偏差以及更高的癌变组织鉴别置信水平。
PDF10 months ago
基于可变元数据的前列腺病变检测的分离条件对比学习
通过结合多参数磁共振成像、前列腺成像报告与数据系统以及对比损失函数，提高了公开 PI-CAI 挑战数据集上的病变检测的 AUC 值。
PDF10 months ago