लिम्फोमा घावों का पता लगाने और मात्रा निर्धारित करने के लिए डीप न्यूरल नेटवर्क: निष्कर्ष और संदर्भ

लिंक की तालिका

• सार और परिचय
• संबंधित कार्य
• सामग्री और तरीके
• परिणाम
• बहस
• निष्कर्ष और संदर्भ

छठी। निष्कर्ष

इस अध्ययन में, हमने कई डेटासेट में PET/CT छवियों में लिम्फोमा घाव विभाजन को स्वचालित करने के लिए विभिन्न तंत्रिका नेटवर्क आर्किटेक्चर का मूल्यांकन किया। हमने घाव माप की पुनरुत्पादकता की जांच की, नेटवर्क के बीच अंतरों को उजागर किया, विशिष्ट नैदानिक उपयोगों के लिए उनकी उपयुक्तता पर प्रकाश डाला। इसके अतिरिक्त, हमने प्रति-घाव स्तर पर नेटवर्क प्रदर्शन का आकलन करने के लिए तीन घाव पहचान मानदंड पेश किए, उनकी नैदानिक प्रासंगिकता पर जोर दिया। अंत में, हमने ग्राउंड ट्रुथ स्थिरता से संबंधित चुनौतियों पर चर्चा की और विभाजन के लिए अच्छी तरह से परिभाषित प्रोटोकॉल होने के महत्व पर जोर दिया। यह कार्य लिम्फोमा घाव विभाजन में गहन शिक्षण की क्षमताओं और सीमाओं में मूल्यवान अंतर्दृष्टि प्रदान करता है और अनुसंधान वैधता और नैदानिक अनुप्रयोगों को बढ़ाने के लिए मानकीकृत एनोटेशन प्रथाओं की आवश्यकता पर जोर देता है।

प्रतिक्रिया दें संदर्भ

[1] एसएफ बैरिंगटन एट अल. “हॉजकिन और नॉन-हॉजकिन लिम्फोमा में थेरेपी निगरानी के लिए एफडीजी पीईटी”। इन: यूरोपियन जर्नल ऑफ न्यूक्लियर मेडिसिन एंड मॉलिक्यूलर इमेजिंग 44.1 (अगस्त 2017), पृ. 97-110. आईएसएसएन: 1619- 7089.

[2] के. ओकुयुकू एट अल. “प्राथमिक एक्स्ट्रानोडल लिंफोमा वाले रोगियों में प्रारंभिक एफडीजी-पीईटी/सीटी पर मेटाबोलिक ट्यूमर मापदंडों के प्रकाश में रोग का निदान अनुमान”। en. इन: रेडियोल. ऑन्कोल. 50.4 (दिसंबर 2016), पृ. 360–369.

[3] एन. वू एट अल. “डीप न्यूरल नेटवर्क ब्रेस्ट कैंसर स्क्रीनिंग में रेडियोलॉजिस्ट के प्रदर्शन को बेहतर बनाते हैं”। इन: IEEE ट्रांजेक्शन ऑन मेडिकल इमेजिंग 39.4 (2020), पृ. 1184–1194.

[4] सी. युआन एट अल. “फीचर फ़्यूज़न के लिए हाइब्रिड लर्निंग के ज़रिए पीईटी-सीटी इमेज में डिफ्यूज़ लार्ज बी-सेल लिंफोमा सेगमेंटेशन”। इन: मेडिकल फ़िज़िक्स 48.7 (2021), पृ. 3665- 3678.

[5] एच. हू एट अल. “मल्टी-व्यू और कन्व3डी फ़्यूज़न रणनीति के आधार पर पीईटी छवियों में लिम्फोमा विभाजन”। 2020 IEEE 17वीं अंतर्राष्ट्रीय बायोमेडिकल इमेजिंग संगोष्ठी (ISBI) में। 2020, पृष्ठ 1197-1200।

[6] एच. ली एट अल. “डेंसएक्स-नेट: पूरे शरीर की पीईटी/सीटी छवियों में लिम्फोमा विभाजन के लिए एक एंड-टू-एंड मॉडल”। इन: आईईईई एक्सेस 8 (2020), पीपी. 8004-8018.

[7] एल. लियू एट अल. “नेगेटिव सैंपल ऑग्मेंटेशन और पीईटी/सीटी स्कैन पर लेबल गाइडेंस के साथ बेहतर मल्टी-मॉडल पैच आधारित लिम्फोमा सेगमेंटेशन”। इन: मल्टीस्केल मल्टीमॉडल मेडिकल इमेजिंग। संपादक: एक्स. ली एट अल. चैम: स्प्रिंगर नेचर स्विटजरलैंड, 2022, पृष्ठ 121-129। आईएसबीएन: 978-3-031-18814-5।

[8] सीएस कॉन्स्टेंटिनो एट अल. “लिम्फोमा के रोगियों से [18F]FDG PET/CT छवियों पर अर्ध-स्वचालित और गहन शिक्षण-आधारित पूर्ण स्वचालित विभाजन विधियों का मूल्यांकन: ट्यूमर लक्षण वर्णन पर प्रभाव”। जर्नल ऑफ़ डिजिटल इमेजिंग 36.4 (अगस्त 2023), पृष्ठ 1864-1876। आईएसएसएन: 1618-727X.

[9] एजे वीसमैन एट अल. “लिम्फोमा में 11 स्वचालित पीईटी विभाजन विधियों की तुलना”। अंग्रेज़ी. इन: फ़िज़िक्स इन मेडिसिन एंड बायोलॉजी 65.23 (2020), पृ. 235019–235019.

[10] एजे वीसमैन एट अल. “लिम्फोमा के रोगियों में रोगग्रस्त लिम्फ नोड बर्डन के स्वचालित पीईटी/सीटी पता लगाने के लिए कन्वोल्यूशनल न्यूरल नेटवर्क” इन: रेडियोलॉजी: आर्टिफिशियल इंटेलिजेंस 2.5 (2020), e200016.

[11] सी. जियांग एट अल. “3डी एफडीजी-पीईटी छवियों में डिफ्यूज लार्ज बी-सेल लिंफोमा रोगियों के निदान में डीप लर्निंग-आधारित ट्यूमर सेगमेंटेशन और कुल मेटाबोलिक ट्यूमर वॉल्यूम भविष्यवाणी”। इन: यूरोपियन रेडियोलॉजी 32.7 (जुलाई 2022), पृ. 4801-4812। आईएसएसएन: 1432-1084।

[12] पी. ब्लैंक-डूरंड एट अल. “कन्वल्यूशनल न्यूरल नेटवर्क का उपयोग करके कुल मेटाबोलिक ट्यूमर वॉल्यूम भविष्यवाणी के लिए 3डी एफडीजीपीईटी/सीटी पर फैले हुए बड़े बी सेल लिंफोमा घावों का पूरी तरह से स्वचालित विभाजन।” इन: यूरोपियन जर्नल ऑफ न्यूक्लियर मेडिसिन एंड मॉलिक्यूलर इमेजिंग 48.5 (मई 2021), पीपी. 1362–1370. आईएसएसएन: 1619-7089.

[13] एस. अहमद और अन्य। “सिर और गर्दन के कैंसर पीईटी/सीटी छवियों से ट्यूमर और लिम्फ नोड्स के स्वचालित विभाजन के लिए मल्टीक्लास डाइस लॉस के साथ एक यू-नेट कन्वोल्यूशनल न्यूरल नेटवर्क”। इन: सिर और गर्दन के ट्यूमर विभाजन और परिणाम की भविष्यवाणी। वी. एंड्रीर्कज़ीक और अन्य द्वारा संपादित। चैम: स्प्रिंगर नेचर स्विट्जरलैंड, 2023, पृष्ठ 94-106। आईएसबीएन: 978-3-031-27420-6।

[14] एस. गैटिडिस एट अल. “मैन्युअल रूप से एनोटेट किए गए ट्यूमर घावों के साथ एक संपूर्ण-शरीर FDG-PET/CT डेटासेट”। इन: साइंटिफिक डेटा 9.1 (अक्टूबर 2022), पृष्ठ 601. आईएसएसएन: 2052-4463।

[15] एम. पॉप एट अल. “अवशिष्ट यू-नेट का उपयोग करके बाएं वेंट्रिकल क्वांटिफिकेशन”। अंग्रेजी। वॉल्यूम 11395 में। हृदय के सांख्यिकीय एटलस और कम्प्यूटेशनल मॉडल। एट्रियल सेगमेंटेशन और एलवी क्वांटिफिकेशन चुनौतियां। स्विटजरलैंड: स्प्रिंगर इंटरनेशनल पब्लिशिंग एजी, 2019, पृष्ठ 371-380। आईएसबीएन: 0302-9743।

[16] ए. मायरोनेंको। “ऑटोएनकोडर रेग्यूलराइजेशन का उपयोग करके 3डी एमआरआई ब्रेन ट्यूमर सेगमेंटेशन”। अंग्रेज़ी। इन: ब्रेनलेसन: ग्लियोमा, मल्टीपल स्केलेरोसिस, स्ट्रोक और ट्रॉमेटिक ब्रेन इंजरीज़। चैम: स्प्रिंगर इंटरनेशनल पब्लिशिंग, 2019, पृष्ठ 311-320। आईएसबीएन: 0302-9743।

[17] एफ. इसेनसी एट अल. “एनएनयू-नेट: डीप लर्निंग-आधारित बायोमेडिकल इमेज सेगमेंटेशन के लिए एक स्व-कॉन्फ़िगरिंग विधि”। इन: नेचर मेथड्स 18.2 (दिसंबर 2020), पृ. 203-211.

[18] ए. हातमीज़ादेह एट अल. “स्विन यूएनईटीआर: एमआरआई छवियों में मस्तिष्क ट्यूमर के सिमेंटिक सेगमेंटेशन के लिए स्वाइन ट्रांसफॉर्मर”। अंग्रेज़ी। इन: (2022)।

[19] एमजे कार्डसो एट अल. मोनाई: हेल्थकेयर में डीप लर्निंग के लिए एक ओपन-सोर्स फ्रेमवर्क। 2022. arXiv: 2211. 02701 [cs.LG]।

[20] एस. अहमद एट अल. “लिम्फोमा पीईटी छवियों के मल्टीरेज़ोल्यूशन क्रॉप्ड पैच पर प्रशिक्षित 3डी न्यूरल नेटवर्क का उपयोग करके बढ़े हुए घाव विभाजन की ओर”। जर्नल ऑफ़ न्यूक्लियर मेडिसिन 64.सप्लीमेंट 1 (2023), P1360–P1360. आईएसएसएन: 0161-5505.

[21] जेएल फ्लेइस। “कई मूल्यांकनकर्ताओं के बीच नाममात्र पैमाने पर सहमति को मापना”। अंग्रेज़ी। साइकोलॉजिकल बुलेटिन 76.5 (1971), पृ. 378-382।

[22] ए.के. झा एट अल. “न्यूक्लियर मेडिसिन और आर्टिफिशियल इंटेलिजेंस: मूल्यांकन के लिए सर्वोत्तम अभ्यास (रिलायंस दिशानिर्देश)”। इन: जे. न्यूक्ल. मेड. 63.9 (सितंबर 2022), पृ. 1288–1299.

[23] एन. हसानी एट अल. “लिम्फोमा पी.ई.टी. इमेजिंग में कृत्रिम बुद्धिमत्ता: एक स्कोपिंग समीक्षा (वर्तमान रुझान और भविष्य की दिशाएँ)”। पी.ई.टी. क्लीनिक 17.1 (जनवरी 1), पृ. 145-174. आई.एस.एस.एन.: 1556-8598.

[24] एस.के. वारफील्ड और अन्य। "एक साथ सत्य और प्रदर्शन स्तर अनुमान (स्टैपल): छवि विभाजन के सत्यापन के लिए एक एल्गोरिथ्म"। hi. इन: IEEE ट्रांस. मेड. इमेजिंग 23.7 (जुलाई 2004), पृ. 903–921.