Fugu-MT 論文翻訳(概要): Automated Cardiothoracic Ratio Calculation and Cardiomegaly Detection using Deep Learning Approach

論文の概要: Automated Cardiothoracic Ratio Calculation and Cardiomegaly Detection using Deep Learning Approach

arxiv url: http://arxiv.org/abs/2002.07468v1
Date: Tue, 18 Feb 2020 10:10:28 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 20:26:54.085464
Title: Automated Cardiothoracic Ratio Calculation and Cardiomegaly Detection using Deep Learning Approach
Title（参考訳）: 深層学習アプローチによる心拍数自動計算と心大動脈瘤検出
Authors: Isarun Chamveha, Treethep Promwiset, Trongtum Tongdee, Pairash Saiviroonporn and Warasinee Chaisangmongkon
Abstract要約: 胸部X線像から心胸膜比(CTR)を計算するアルゴリズムを提案する。胸部X線画像から肺と心臓のマスクを抽出するために,VGG16エンコーダを用いたU-Netに基づくディープラーニングモデルを適用した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an algorithm for calculating the cardiothoracic ratio (CTR) from chest X-ray films. Our approach applies a deep learning model based on U-Net with VGG16 encoder to extract lung and heart masks from chest X-ray images and calculate CTR from the extents of obtained masks. Human radiologists evaluated our CTR measurements, and $76.5\%$ were accepted to be included in medical reports without any need for adjustment. This result translates to a large amount of time and labor saved for radiologists using our automated tools.
Abstract（参考訳）: 胸部X線像から心胸膜比(CTR)を計算するアルゴリズムを提案する。 VGG16エンコーダを用いたU-Netに基づく深層学習モデルを適用し,胸部X線画像から肺と心臓のマスクを抽出し,得られたマスクの範囲からCTRを算出する。ヒトの放射線学者は我々のCTR測定を評価し、76.5 %$は調整の必要なく医療報告に含められた。この結果は、自動化ツールを使用して放射線科医に節約された膨大な時間と労力につながります。

関連論文リスト

RibSeg v2: A Large-scale Benchmark for Rib Labeling and Anatomical Centerline Extraction [49.715490897822264]
バイナリリブセグメンテーションタスクの以前のデータセット(RibSeg)を、RibSeg v2という包括的なベンチマークに拡張しています。 RibSeg v2に基づいて,リブラベリングのための深層学習に基づく手法と,中心線抽出のためのスケルトン化に基づく手法を含むパイプラインを開発する。
論文参考訳（メタデータ） (2022-10-18T00:55:37Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文参考訳（メタデータ） (2021-05-25T12:06:55Z)
COVID-19 Lung Lesion Segmentation Using a Sparsely Supervised Mask R-CNN on Chest X-rays Automatically Computed from Volumetric CTs [6.837968548581353]
新型コロナウイルス感染症2019(COVID-19)患者の胸部X線は、肺疾患の程度を決定するために頻繁に取得される。新型コロナウイルス患者の胸部X線検査よりCTの頻度がはるかに低いことから、胸部X線による肺病変の自動切除は臨床的に有用である可能性がある。オープンソース胸部X線と冠状X線プロジェクションの混合データセットを用いて訓練したMask R-CNNを用いた胸部X線上のCOVID-19肺病変のセグメンテーションのための自動パイプラインを提案する。
論文参考訳（メタデータ） (2021-05-17T20:27:32Z)
Automated Estimation of Total Lung Volume using Chest Radiographs and Deep Learning [4.874501619350224]
総肺量は重要な定量的バイオマーカーであり、制限肺疾患の評価に使用されます。このデータセットは、胸部X線写真から肺総量を予測するディープラーニングアーキテクチャのトレーニングに使用された。今回我々は,最先端のディープラーニングソリューションが胸部x線写真から肺総量を正確に測定できることを初めて実証した。
論文参考訳（メタデータ） (2021-05-03T21:35:16Z)
Joint Modeling of Chest Radiographs and Radiology Reports for Pulmonary Edema Assessment [39.60171837961607]
我々は,胸部X線写真から肺浮腫の重症度を評価するために,画像と自由テキストの両方で訓練されたニューラルネットワークモデルを開発した。実験結果から,共同画像・テキスト表現学習は肺浮腫評価の性能を向上させることが示唆された。
論文参考訳（メタデータ） (2020-08-22T17:28:39Z)
Multiple resolution residual network for automatic thoracic organs-at-risk segmentation from CT [2.9023633922848586]
我々は,CT画像からのOAR分割のためのMRRN(Multiple resolution residual Network)の実装と評価を行った。提案手法は,複数画像解像度で計算された特徴ストリームと残差接続による特徴レベルを同時に組み合わせる。左肺, 心臓, 食道, 脊髄を分画する検査を35回行った肺がん患者206例の胸部CT検査を用いて, アプローチを訓練した。
論文参考訳（メタデータ） (2020-05-27T22:39:09Z)
Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文参考訳（メタデータ） (2020-05-24T23:13:16Z)
Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文参考訳（メタデータ） (2020-05-08T02:16:17Z)
Automated Segmentation of Vertebrae on Lateral Chest Radiography Using Deep Learning [0.19116784879310023]
本研究の目的は,深層学習を用いた胸部X線撮影における椎体分割の自動アルゴリズムの開発である。 U-Netディープ畳み込みニューラルネットワークをセグメント化に利用し、損失関数としてダイス係数と二元交叉エントロピーの和を用いた。テストセットでは、平均サイス係数は90.5、平均交叉結合(IoU)は81.75であった。
論文参考訳（メタデータ） (2020-01-05T17:35:04Z)

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。