Name: a swin transformer-based model for thyroid nodule detection in ultrasound images
Uploaded: 2023-04-21T14:15:00
Description: Watch this Scientific Journal Video about A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images at JoVE.com

इस अध्ययन को चीन के राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन (अनुदान संख्या 32101188) और सिचुआन प्रांत के विज्ञान और प्रौद्योगिकी विभाग की सामान्य परियोजना (अनुदान संख्या 2021वाईएफएस0102), चीन द्वारा समर्थित किया गया था।

इस पूर्वव्यापी अध्ययन को वेस्ट चाइना हॉस्पिटल, सिचुआन विश्वविद्यालय, सिचुआन, चीन के संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित किया गया था, और सूचित सहमति प्राप्त करने की आवश्यकता को माफ कर दिया गया था।...

<ol>
	<li>Grant, E. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Thyroid+ultrasound+reporting+lexicon:+White+paper+of+the+ACR+Thyroid+Imaging,+Reporting+and+Data+System+(TIRADS)+committee.">Thyroid ultrasound reporting lexicon: White paper of the ACR Thyroid Imaging, Reporting and Data System (TIRADS) committee.</a> Journal of the American College of Radiology. 12 (12 Pt A), 1272-1279 (2015).</li><li>Zhao, J., Zheng, W., Zhang, L., Tian, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Segmentation+of+ultrasound+images+of+thyroid+nodule+for+assisting+fine+needle+aspiration+cytology.">Segmentation of ultrasound images of thyroid nodule for assisting fine needle aspiration cytology.</a> Health Information Science and Systems. 1, 5 (2013).</li><li>Haugen, B. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=American+Thyroid+Association+management+guidelines+for+adult+patients+with+thyroid+nodules+and+differentiated+thyroid+cancer:+What+is+new+and+what+has+changed.">American Thyroid Association management guidelines for adult patients with thyroid nodules and differentiated thyroid cancer: What is new and what has changed.</a> Cancer. 123 (3), 372-381 (2017).</li><li>Shin, J. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ultrasonography+diagnosis+and+imaging-based+management+of+thyroid+nodules:+Revised+Korean+Society+of+Thyroid+Radiology+consensus+statement+and+recommendations.">Ultrasonography diagnosis and imaging-based management of thyroid nodules: Revised Korean Society of Thyroid Radiology consensus statement and recommendations.</a> Korean Journal of Radiology. 17 (3), 370-395 (2016).</li><li>Horvath, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+ultrasonogram+reporting+system+for+thyroid+nodules+stratifying+cancer+risk+for+clinical+management.">An ultrasonogram reporting system for thyroid nodules stratifying cancer risk for clinical management.</a> The Journal of Clinical Endocrinology &amp; Metabolism. 94 (5), 1748-1751 (2009).</li><li>Park, J. -. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+proposal+for+a+thyroid+imaging+reporting+and+data+system+for+ultrasound+features+of+thyroid+carcinoma.">A proposal for a thyroid imaging reporting and data system for ultrasound features of thyroid carcinoma.</a> Thyroid. 19 (11), 1257-1264 (2009).</li><li>Moon, W. -. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Benign+and+malignant+thyroid+nodules:+US+differentiation-Multicenter+retrospective+study.">Benign and malignant thyroid nodules: US differentiation-Multicenter retrospective study.</a> Radiology. 247 (3), 762-770 (2008).</li><li>Park, C. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Observer+variability+in+the+sonographic+evaluation+of+thyroid+nodules.">Observer variability in the sonographic evaluation of thyroid nodules.</a> Journal of Clinical Ultrasound. 38 (6), 287-293 (2010).</li><li>Kim, S. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Observer+variability+and+the+performance+between+faculties+and+residents:+US+criteria+for+benign+and+malignant+thyroid+nodules.">Observer variability and the performance between faculties and residents: US criteria for benign and malignant thyroid nodules.</a> Korean Journal of Radiology. 11 (2), 149-155 (2010).</li><li>Choi, Y. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+computer-aided+diagnosis+system+using+artificial+intelligence+for+the+diagnosis+and+characterization+of+thyroid+nodules+on+ultrasound:+initial+clinical+assessment.">A computer-aided diagnosis system using artificial intelligence for the diagnosis and characterization of thyroid nodules on ultrasound: initial clinical assessment.</a> Thyroid. 27 (4), 546-552 (2017).</li><li>Chang, T. -. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+role+of+computer-aided+detection+and+diagnosis+system+in+the+differential+diagnosis+of+thyroid+lesions+in+ultrasonography.">The role of computer-aided detection and diagnosis system in the differential diagnosis of thyroid lesions in ultrasonography.</a> Journal of Medical Ultrasound. 23 (4), 177-184 (2015).</li><li>Li, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fully+convolutional+networks+for+ultrasound+image+segmentation+of+thyroid+nodules.">Fully convolutional networks for ultrasound image segmentation of thyroid nodules.</a> , 886-890 (2018).</li><li>Nguyen, D. T., Choi, J., Park, K. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Thyroid+nodule+segmentation+in+ultrasound+image+based+on+information+fusion+of+suggestion+and+enhancement+networks.">Thyroid nodule segmentation in ultrasound image based on information fusion of suggestion and enhancement networks.</a> Mathematics. 10 (19), 3484 (2022).</li><li>Ma, J., Wu, F., Jiang, T. A., Zhu, J., Kong, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cascade+convolutional+neural+networks+for+automatic+detection+of+thyroid+nodules+in+ultrasound+images.">Cascade convolutional neural networks for automatic detection of thyroid nodules in ultrasound images.</a> Medical Physics. 44 (5), 1678-1691 (2017).</li><li>Song, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multitask+cascade+convolution+neural+networks+for+automatic+thyroid+nodule+detection+and+recognition.">Multitask cascade convolution neural networks for automatic thyroid nodule detection and recognition.</a> IEEE Journal of Biomedical and Health Informatics. 23 (3), 1215-1224 (2018).</li><li>Wang, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Learning+from+weakly-labeled+clinical+data+for+automatic+thyroid+nodule+classification+in+ultrasound+images.">Learning from weakly-labeled clinical data for automatic thyroid nodule classification in ultrasound images.</a> , 3114-3118 (2018).</li><li>Wang, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+multi-scale+densely+connected+convolutional+neural+network+for+automated+thyroid+nodule+classification.">A multi-scale densely connected convolutional neural network for automated thyroid nodule classification.</a> Frontiers in Neuroscience. 16, 878718 (2022).</li><li>Krizhevsky, A., Sutskever, I., Hinton, G. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Imagenet+classification+with+deep+convolutional+neural+networks.">Imagenet classification with deep convolutional neural networks.</a> Communications of the ACM. 60 (6), 84-90 (2017).</li><li>He, K., Zhang, X., Ren, S., Sun, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Deep+residual+learning+for+image+recognition.">Deep residual learning for image recognition.</a> Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. , 770-778 (2016).</li><li>Hu, H., Gu, J., Zhang, Z., Dai, J., Wei, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Relation+networks+for+object+detection.">Relation networks for object detection.</a> Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. , 3588-3597 (2018).</li><li>Szegedy, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Going+deeper+with+convolutions.">Going deeper with convolutions.</a> Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. , 1-9 (2015).</li><li>Dosovitskiy, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+image+is+worth+16x16+words:+Transformers+for+image+recognition+at+scale.">An image is worth 16x16 words: Transformers for image recognition at scale.</a> arXiv preprint arXiv:2010.11929. , (2020).</li><li>Touvron, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Training+data-efficient+image+transformers+&amp;+distillation+through+attention.">Training data-efficient image transformers &amp; distillation through attention.</a> arXiv:2012.12877. , (2021).</li><li>Liu, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Swin+Transformer:+Hierarchical+vision+transformer+using+shifted+windows.">Swin Transformer: Hierarchical vision transformer using shifted windows.</a> 2021 IEEE/CVF International Conference on Computer Vision (ICCV). , 9992-10002 (2021).</li><li>Vaswani, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Attention+is+all+you+need.">Attention is all you need.</a> Advances in Neural Information Processing Systems. 30, (2017).</li><li>Chen, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=TransUNet:+Transformers+make+strong+encoders+for+medical+image+segmentation.+arXiv.">TransUNet: Transformers make strong encoders for medical image segmentation. arXiv.</a> arXiv:2102.04306. , (2021).</li><li>Ren, S., He, K., Girshick, R., Sun, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Faster+r-cnn:+Towards+real-time+object+detection+with+region+proposal+networks.">Faster r-cnn: Towards real-time object detection with region proposal networks.</a> Advances in Neural Information Processing Systems. 28, 91-99 (2015).</li><li>Li, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+improved+deep+learning+approach+for+detection+of+thyroid+papillary+cancer+in+ultrasound+images.">An improved deep learning approach for detection of thyroid papillary cancer in ultrasound images.</a> Scientific Reports. 8, 6600 (2018).</li><li>Lin, T. -. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Feature+pyramid+networks+for+object+detection.">Feature pyramid networks for object detection.</a> Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. , 2117-2125 (2017).</li><li>Ouahabi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+wavelet+denoising+in+medical+imaging.">A review of wavelet denoising in medical imaging.</a> 2013 8th International Workshop on Systems, Signal Processing and their Applications. , 19-26 (2013).</li><li>Mahdaoui, A. E., Ouahabi, A., Moulay, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Image+denoising+using+a+compressive+sensing+approach+based+on+regularization+constraints.">Image denoising using a compressive sensing approach based on regularization constraints.</a> Sensors. 22 (6), 2199 (2022).</li><li>Castleman, K. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Digital Image Processing. , (1996).</li><li>Liu, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ssd:+Single+shot+multibox+detector.">Ssd: Single shot multibox detector.</a> European Conference on Computer Vision. , 21-37 (2016).</li><li>Redmon, J., Farhadi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Yolov3:+An+incremental+improvement.">Yolov3: An incremental improvement.</a> arXiv. arXiv:1804.02767. , (2018).</li><li>Lin, T. -. Y., Goyal, P., Girshick, R., He, K., Doll&#225;r, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Focalloss+for+dense+object+detection.">Focalloss for dense object detection.</a> arXiv. arXiv:1708.02002. , (2017).</li><li>Carion, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=End-to-end+object+detection+with+transformers.">End-to-end object detection with transformers.</a> Computer Vision-ECCV 2020: 16th European Conference. , 23-28 (2020).</li></ol>

यह पेपर विस्तार से वर्णन करता है कि पर्यावरण सेटअप, डेटा तैयारी, मॉडल कॉन्फ़िगरेशन और नेटवर्क प्रशिक्षण कैसे करें। पर्यावरण सेटअप चरण में, किसी को यह सुनिश्चित करने के लिए ध्यान देने की आवश्यकता है कि ?...

1970 के बाद से थायराइड कैंसर की घटनाओं में तेजी से वृद्धि हुई है, खासकर मध्यम आयु वर्ग की महिलाओंमें। थायराइड नोड्यूल ्स थायराइड कैंसर के उद्भव की भविष्यवाणी कर सकते हैं, और अधिकांश थायरॉयड नोड्यूल स्पर्शोन्मुखहैं 2. थायराइड नोड्यूल्स का जल्दी पता लगाना थायराइड कैंसर को ठीक करने में बहुत मददगार है। इसलिए, वर्तमान अभ्यास दिशानिर्देशों के अनुसार, शारीरिक परीक्षा पर या असामान्य इमेजिंग निष्कर्षों के साथ संदिग्ध नोडुलर गोइटर वाले सभी रोगियों को आगे की परीक्षा से गुजरना चाहिए 3,4।
थायराइड अल्ट्रासाउंड (यूएस) एक सामान्य विधि है जिसका उपयोग थायरॉयडघावों का पता लगाने और चिह्नित करने के लिए किया जाता है। अमेरिका एक सुविधाजनक, सस्ती और विकिरण मुक्त तकनीक है। हालांकि, ऑपरेटर 7,8 से यूएस का आवेदन आसानी से प्रभावित होता है। थायराइड नोड्यूल्स के आकार, आकार, इकोजेनेसिटी और बनावट जैसी विशेषताएं अमेरिकी छवियों पर आसानी से अलग-अलग हैं। यद्यपि कुछ अमेरिकी विशेषताएं-कैल्सीफिकेशन, इकोजेनेसिटी और अनियमित सीमाएं- अक्सर थायरॉयड नोड्यूल्स की पहचान करने के लिए मानदंड मानी जाती हैं, इंटरऑब्जर्वर परिवर्तनशीलता की उपस्थिति अपरिहार्यहै 8,9. अनुभव के विभिन्न स्तरों वाले रेडियोलॉजिस्ट के निदान के परिणाम अलग-अलग हैं। अनुभवहीन रेडियोलॉजिस्ट अनुभवी रेडियोलॉजिस्ट की तुलना में गलत निदान करने की अधिक संभावना रखते हैं। अमेरिका की कुछ विशेषताएं जैसे प्रतिबिंब, छाया और प्रतिध्वनियां छवि की गुणवत्ता को कम कर सकती हैं। यूएस इमेजिंग की प्रकृति के कारण छवि की गुणवत्ता में यह गिरावट अनुभवी चिकित्सकों के लिए भी नोड्यूल्स का सटीक पता लगाना मुश्किल बनाती है।
थायराइड नोड्यूल्स के लिए कंप्यूटर-एडेड निदान (सीएडी) हाल के वर्षों में तेजी से विकसित हुआ है और विभिन्न चिकित्सकों के कारण त्रुटियों को प्रभावी ढंग से कम कर सकता है और रेडियोलॉजिस्ट को नोड्यूल्स का जल्दीऔर सटीक रूप से निदान करने में मदद कर सकता है। थायराइड यूएस नोड्यूल विश्लेषण के लिए विभिन्न सीएनएन-आधारित सीएडी सिस्टम प्रस्तावित किए गए हैं, जिसमें विभाजन12,13, पता लगानेवाला 14,15 और वर्गीकरण16,17 शामिल हैं। सीएनएन एक बहुस्तरीय, पर्यवेक्षित शिक्षण मॉडल18 है, और सीएनएन के मुख्य मॉड्यूल संक्रामक और पूलिंग परतें हैं। कन्वोल्यूशन परतों का उपयोग सुविधा निष्कर्षण के लिए किया जाता है, और पूलिंग परतों का उपयोग डाउनसैंपलिंग के लिए किया जाता है। छाया संक्रामक परतें बनावट, किनारों और आकृति जैसी प्राथमिक विशेषताओं को निकाल सकती हैं, जबकि गहरी संक्रामक परतें उच्च-स्तरीय शब्दार्थ विशेषताओं को सीखती हैं।
CNN को कंप्यूटर दृष्टि 19,20,21 में बड़ी सफलता मिली है। हालांकि, सीएन संक्रामक परतों के सीमित वैध ग्रहणशील क्षेत्र के कारण लंबी दूरी की प्रासंगिक निर्भरताओं को पकड़ने में विफल रहते हैं। अतीत में, छवि वर्गीकरण के लिए बैकबोन आर्किटेक्चर ज्यादातर सीएनएन का उपयोग करते थे। विजन ट्रांसफॉर्मर (वीआईटी) 22,23 के आगमन के साथ, यह प्रवृत्ति बदल गई है, और अब कई अत्याधुनिक मॉडल ट्रांसफार्मर को रीढ़ की हड्डी के रूप में उपयोग करते हैं। गैर-अतिव्यापी छवि पैच के आधार पर, वीआईटी विश्व स्तर पर स्थानिक संबंधों को मॉडल करने के लिए एक मानक ट्रांसफार्मर एनकोडर25 का उपयोग करता है। स्विन ट्रांसफॉर्मर24 आगे सुविधाओं को सीखने के लिए शिफ्ट विंडो पेश करता है। शिफ्ट विंडो न केवल अधिक दक्षता लाती हैं बल्कि अनुक्रम की लंबाई को भी बहुत कम करती हैं क्योंकि विंडो में आत्म-ध्यान की गणना की जाती है। इसी समय, दो आसन्न खिड़कियों के बीच बातचीत शिफ्टिंग (आंदोलन) के संचालन के माध्यम से की जा सकती है। कंप्यूटर दृष्टि में स्विन ट्रांसफार्मर के सफल अनुप्रयोग ने अल्ट्रासाउंड छवि विश्लेषण के लिए ट्रांसफार्मर-आधारित आर्किटेक्चर की जांच कीहै।
हाल ही में, ली एट अल ने फास्टर आर-सीएनएन27 से प्रेरित थायराइड पैपिलरी कैंसर का पता लगाने के लिए एक गहरी सीखने के दृष्टिकोण28 का प्रस्ताव दिया। फास्टर आर-सीएनएन एक क्लासिक सीएनएन-आधारित ऑब्जेक्ट डिटेक्शन आर्किटेक्चर है। मूल फास्टर आर-सीएनएन में चार मॉड्यूल हैं- सीएनएन बैकबोन, क्षेत्र प्रस्ताव नेटवर्क (आरपीएन), आरओआई पूलिंग परत और डिटेक्शन हेड। सीएनएन बैकबोन इनपुट छवि से फीचर मैप्स निकालने के लिए बुनियादी कन्व + बीएन + रेलू + पूलिंग परतों के एक सेट का उपयोग करता है। फिर, फीचर मैप्स को आरपीएन और आरओआई पूलिंग परत में खिलाया जाता है। RPN नेटवर्क की भूमिका क्षेत्र प्रस्ताव उत्पन्न करना है। यह मॉड्यूल यह निर्धारित करने के लिए सॉफ्टमैक्स का उपयोग करता है कि क्या एंकर सकारात्मक हैं और बॉक्स रिग्रेशन को बाध्य करके सटीक एंकर उत्पन्न करता है। आरओआई पूलिंग परत इनपुट फीचर मैप्स और प्रस्तावों को एकत्र करके प्रस्ताव फीचर मैप्स निकालती है और प्रस्ताव फीचर मैप्स को बाद के डिटेक्शन हेड में फीड करती है। डिटेक्शन हेड ऑब्जेक्ट्स को वर्गीकृत करने और बाउंडिंग बॉक्स रिग्रेशन द्वारा डिटेक्शन बॉक्स की सटीक स्थिति प्राप्त करने के लिए प्रस्ताव सुविधा मानचित्रों का उपयोग करता है।
यह पेपर स्विन फास्टर आर-सीएनएन नामक एक नया थायराइड नोड्यूल डिटेक्शन नेटवर्क प्रस्तुत करता है, जो फास्टर आर-सीएनएन में सीएनएन बैकबोन को स्विन ट्रांसफॉर्मर के साथ बदलकर बनाया गया है, जिसके परिणामस्वरूप अल्ट्रासाउंड छवियों से नोड्यूल का पता लगाने के लिए सुविधाओं का बेहतर निष्कर्षण होता है। इसके अलावा, फीचर पिरामिड नेटवर्क (एफपीएन) 29 का उपयोग विभिन्न पैमानों की विशेषताओं को एकत्र करके विभिन्न आकारों के नोड्यूल्स के लिए मॉडल के पहचान प्रदर्शन में सुधार करने के लिए किया जाता है।

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>GPU RTX3090</td>
			<td>Nvidia</td>
			<td>1</td>
			<td>24G GPU</td>
		</tr>
		<tr>
			<td>mmdetection2.11.0</td>
			<td>SenseTime</td>
			<td>4</td>
			<td>https://github.com/open-mmlab/mmdetection.git</td>
		</tr>
		<tr>
			<td>python3.8</td>
			<td>&#8212;</td>
			<td>2</td>
			<td>https://www.python.org</td>
		</tr>
		<tr>
			<td>pytorch1.7.1</td>
			<td>Facebook</td>
			<td>3</td>
			<td>https://pytorch.org</td>
		</tr>
	</tbody>
</table>

a swin transformer-based model for thyroid nodule detection in ultrasound images

हाल के वर्षों में, थायराइड कैंसर की घटनाएं बढ़ रही हैं। थायराइड नोड्यूल का पता लगाना थायराइड कैंसर का पता लगाने और उपचार दोनों के लिए महत्वपूर्ण है। संक्रामक तंत्रिका नेटवर्क (सीएनएन) ने थायरॉयड अल्ट्रासाउंड छवि विश्लेषण कार्यों में अच्छे परिणाम प्राप्त किए हैं। हालांकि, संक्रामक परतों के सीमित वैध ग्रहणशील क्षेत्र के कारण, सीएनएन लंबी दूरी की प्रासंगिक निर्भरताओं को पकड़ने में विफल रहते हैं, जो अल्ट्रासाउंड छवियों में थायरॉयड नोड्यूल्स की पहचान करने के लिए महत्वपूर्ण हैं। ट्रांसफार्मर नेटवर्क लंबी दूरी की प्रासंगिक जानकारी को कैप्चर करने में प्रभावी हैं। इससे प्रेरित होकर, हम एक नई थायराइड नोड्यूल डिटेक्शन विधि का प्रस्ताव करते हैं जो स्विन ट्रांसफॉर्मर बैकबोन और फास्टर आर-सीएनएन को जोड़ती है। विशेष रूप से, एक अल्ट्रासाउंड छवि को पहले एम्बेडिंग के 1 डी अनुक्रम में प्रक्षेपित किया जाता है, जिसे बाद में एक पदानुक्रमित स्विन ट्रांसफार्मर में खिलाया जाता है। 
स्विन ट्रांसफॉर्मर बैकबोन आत्म-ध्यान की गणना के लिए स्थानांतरित खिड़कियों का उपयोग करके पांच अलग-अलग पैमानों पर सुविधाओं को निकालता है। इसके बाद, विभिन्न पैमानों से सुविधाओं को फ्यूज करने के लिए एक फीचर पिरामिड नेटवर्क (एफपीएन) का उपयोग किया जाता है। अंत में, एक डिटेक्शन हेड का उपयोग बाउंडिंग बॉक्स और संबंधित आत्मविश्वास स्कोर की भविष्यवाणी करने के लिए किया जाता है। प्रयोगों का संचालन करने के लिए 2,680 रोगियों से एकत्र किए गए डेटा का उपयोग किया गया था, और परिणामों से पता चला कि इस विधि ने सीएनएन-आधारित बेसलाइन से बेहतर प्रदर्शन करते हुए 44.8% का सबसे अच्छा एमएपी स्कोर हासिल किया। इसके अलावा, हमने प्रतिस्पर्धियों की तुलना में बेहतर संवेदनशीलता (90.5%) प्राप्त की। यह इंगित करता है कि इस मॉडल में संदर्भ मॉडलिंग थायराइड नोड्यूल का पता लगाने के लिए प्रभावी है।

सितंबर 2008 से फरवरी 2018 तक चीन के दो अस्पतालों से थायराइड यूएस की तस्वीरें एकत्र की गई थीं। इस अध्ययन में अमेरिकी छवियों को शामिल करने के लिए पात्रता मानदंड बायोप्सी और सर्जिकल उपचार से पहले पारंपरिक अमेर...

Watch this Scientific Journal Video about A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images at JoVE.com

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

यहां, अल्ट्रासाउंड छवियों में थायरॉयड नोड्यूल का पता लगाने के लिए एक नया मॉडल प्रस्तावित है, जो लंबी दूरी के संदर्भ मॉडलिंग करने के लिए रीढ़ की हड्डी के रूप में स्विन ट्रांसफार्मर का उपयोग करता है। प्रयोगों से साबित होता है कि यह संवेदनशीलता और सटीकता के मामले में अच्छा प्रदर्शन करता है।

अल्ट्रासाउंड छवियों में थायराइड नोड्यूल का पता लगाने के लिए एक स्विन ट्रांसफार्मर-आधारित मॉडल

In recent years, the incidence of thyroid cancer has been increasing. Thyroid nodule detection is critical for both the detection and treatment of thyroid ...

यह कार्यक्रम थायराइड नोड्यूल्स का पता लगाने के लिए एक स्वचालित और कुशल उपाय लागू करता है, जो भविष्य में डॉक्टरों के कार्यभार को कम कर सकता है। यह तकनीक एक स्विन ट्रांसफार्मर को नोड्यूल डिटेक्शन नेटवर्क पर लागू करती है। स्विन ट्रांसफार्मर लंबी दूरी की सामग्री जानकारी को कैप्चर करने में प्रभावी हैं, जो नोड्यूल निरोध की संवेदनशीलता में सुधार करने में बहुत सहायक है।शुरू करने के लिए, मशीन पर एक टर्मिनल खोलें और कमांड लाइन में पायथन 3.8 इंस्टॉल करें। PyTorch 1.7 स्थापित करने के लिए, Miniconda की आधिकारिक वेबसाइट पर जाएं और इसे स्थापित करें। फिर कमांड लाइन में स्क्रीन पर दिखाए गए कमांड को टाइप करके एक कोंडा वातावरण बनाएं, और इसे कोंडा सक्रिय SwinFasterRCNN टाइप करके सक्रिय करें।कमांड लाइन में दिखाए गए कमांड को लिखकर PyTorch स्थापित करें। एमएम डिटेक्शन इंस्टॉलेशन के लिए, आधिकारिक GitHub रिपॉजिटरी से क्लोन करें, और फिर कमांड लाइन में कमांड पिप इंस्टॉल वी ई लिखकर एमएम डिटेक्शन इंस्टॉल करें। schedule_1x खोलें।Vim पाठ संपादक में py फ़ाइल करें और ऑप्टिमाइज़र, सीखने की दर और महाकाव्य सहित डिफ़ॉल्ट प्रशिक्षण-संबंधित मापदंडों को सेट करने के लिए फ़ाइल को संपादित करें। स्क्रीन पर दिखाए गए कमांड को टाइप करके प्रशिक्षण शुरू करें। नेटवर्क के लिए 48 महाकाव्यों के लिए प्रशिक्षण शुरू करने के लिए प्रतीक्षा करें, और आउटपुट फ़ोल्डर में उत्पन्न होने वाले स्विनफास्टरआरसीएनएन नेटवर्क के परिणामी प्रशिक्षित भार के लिए।सत्यापन सेट पर उच्चतम सटीकता के साथ मॉडल भार सहेजें। प्रशिक्षण के बाद, नई छवियों में थायराइड नोड्यूल का पता लगाने के लिए सत्यापन सेट पर सर्वश्रेष्ठ प्रदर्शन वाले मॉडल का चयन करें। छवि को 512 पिक्सेल द्वारा 512 पिक्सेल तक आकार देने और इसे सामान्य करने के लिए परीक्षण स्क्रिप्ट चलाएँ।स्क्रिप्ट को स्वचालित रूप से पूर्व-प्रशिक्षित मॉडल मापदंडों को SwinFasterRCNN में लोड करने के लिए प्रतीक्षा करें, और अनुमान के लिए पूर्व-संसाधित छवि को SwinFasterRCNN में फ़ीड करें। प्रत्येक छवि के लिए पूर्वानुमान बॉक्स आउटपुट करने के लिए SwinFasterRCNN की प्रतीक्षा करें। अंत में, डुप्लिकेट डिटेक्शन बॉक्स को हटाने के लिए स्क्रिप्ट को स्वचालित रूप से प्रत्येक छवि पर एनएमएस पोस्ट-प्रोसेसिंग करने की अनुमति दें।एक ही छवि के लिए डिटेक्शन परिणाम एक दी गई पंक्ति में दिखाए गए हैं। कॉलम SwinFasterRCNN, FasterRCNN, YOLOv3, SSD, RetinaNet और DETR के लिए डिटेक्शन परिणाम हैं। क्षेत्रों की जमीनी सच्चाइयों को हरे आयताकार बक्से के साथ चिह्नित किया गया है।पहचान परिणाम लाल आयताकार बक्से द्वारा तैयार किए जाते हैं। उन अभिसरणों को सुनिश्चित करने के लिए उपयुक्त हाइपर पैरामीटर का चयन करना बहुत महत्वपूर्ण है जिन्हें कई प्रयोगों द्वारा निर्धारित करने की आवश्यकता है।

Research

JoVE Journal

Medicine

Multi-modal Imaging of Angiogenesis in a Nude Rat Model of Breast Cancer Bone Metastasis Using Magnetic Resonance Imaging, Volumetric Computed Tomography and Ultrasound

स्तन कैंसर अस्थि मेटास्टेसिस की एक नग्न चूहा मॉडल चुंबकीय अनुनाद इमेजिंग, बड़ा गणना टोमोग्राफी और अल्ट्रासाउंड का उपयोग मल्टी मोडल एंजियोजिनेसिस इमेजिंग

Angiogenesis is an essential feature of cancer growth and metastasis formation. In bone metastasis, angiogenic factors are pivotal for tumor cell ...

Cerenkov Luminescence Imaging (CLI) for Cancer Therapy Monitoring

Cerenkov Luminescence Imaging CLI for Cancer Therapy Monitoring

कैंसर के उपचार की निगरानी के लिए Cerenkov Luminescence इमेजिंग (सीएलआई)

In  molecular imaging, positron emission tomography (PET) and optical imaging (OI)  are two of the most important and thus most widely used modalities1-3. ...

An Orthotopic Mouse Model of Anaplastic Thyroid Carcinoma

Anaplastic थायराइड कार्सिनोमा के Orthotopic माउस मॉडल

Several types of animal models of human thyroid carcinomas have been established, including subcutaneous xenograft and orthotopic implantation of cancer ...

Substernal Thyroid Biopsy Using Endobronchial Ultrasound-guided Transbronchial Needle Aspiration

Substernal थायराइड बायोप्सी Endobronchial अल्ट्रासाउंड निर्देशित Transbronchial सुई आकांक्षा का उपयोग

Substernal thyroid goiter (STG) represents about 5.8% of all mediastinal lesions1. There is a wide variation in the published incidence rates due to the ...

Intra-Operative Neural Monitoring of Thyroid Surgery in a Porcine Model

एक सुअर का मॉडल में थायराइड सर्जरी के अंतर को ऑपरेटिव तंत्रिका निगरानी

Intraoperative injury to the recurrent laryngeal nerve (RLN) can cause vocal cord paralysis, which interferes with speech and can potentially interfere ...

Isometric Contractility Measurement of the Mouse Mesenteric Artery Using Wire Myography

माउस के Isometric सिकुड़ना माप Mesenteric धमनी का उपयोग तार Myography

The wire myograph technique is used to assess the contractility of vascular smooth muscles in response to depolarization, GPCR agonists/inhibitors and ...

Electromagnetic Navigation Transthoracic Nodule Localization for Minimally Invasive Thoracic Surgery

विद्युत चुम्बकीय नेविगेशन ट्रांसथोरेसिक नोड्यूल स्थानीयकरण न्यूनतम इनवेसिव थोरेसिक सर्जरी के लिए

The increased use of chest computed tomography (CT) has led to an increased detection of pulmonary nodules requiring diagnostic evaluation and/or ...

A Pleural Effusion Model in Rats by Intratracheal Instillation of Polyacrylate/Nanosilica

चूहों में एक फुफ्फुस बहाव मॉडल जो पॉलिएक्रिलेट/नैनोसिलिका के अंतर्वर्ती अपरूपण द्वारा होता है

Pleural effusion is a prevalent clinical finding of many pulmonary diseases. Having a useful animal pleural effusion model is very important to study ...

A Personalized 3D-Printed Model for Preoperative Evaluation in Thyroid Surgery

थायराइड सर्जरी में प्रीऑपरेटिव मूल्यांकन के लिए एक व्यक्तिगत 3 डी-मुद्रित मॉडल

The anatomic structure of the surgical area of thyroid cancer is complex. It is very important to comprehensively and carefully evaluate the tumor ...

Point-of-Care Ultrasound: A Review of Ultrasound Parameters for Predicting Difficult Airways

पॉइंट-ऑफ-केयर अल्ट्रासाउंड: कठिन वायुमार्ग की भविष्यवाणी के लिए अल्ट्रासाउंड मापदंडों की समीक्षा

Airway management remains a crucial part of perioperative care. The conventional approach to assessing potentially difficult airways emphasizes the LEMON ...