論文の概要: Computer Aided Detection for Pulmonary Embolism Challenge (CAD-PE)
- arxiv url: http://arxiv.org/abs/2003.13440v1
- Date: Mon, 30 Mar 2020 13:05:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 08:32:00.376894
- Title: Computer Aided Detection for Pulmonary Embolism Challenge (CAD-PE)
- Title（参考訳）: 肺塞栓症チャレンジ(cad-pe)のコンピュータ支援検出
- Authors: Germ\'an Gonz\'alez, Daniel Jimenez-Carretero, Sara
Rodr\'iguez-L\'opez, Carlos Cano-Espinosa, Miguel Cazorla, Tanya Agarwal,
Vinit Agarwal, Nima Tajbakhsh, Michael B. Gotway, Jianming Liang, Mojtaba
Masoudi, Noushin Eftekhari, Mahdi Saadatmand, Hamid-Reza Pourreza, Patricia
Fraga-Rivas, Eduardo Fraile, Frank J. Rybicki, Ara Kassarjian, Ra\'ul San
Jos\'e Est\'epar and Maria J. Ledesma-Carbayo
- Abstract要約: 最良アルゴリズムは1回のスキャンで75%、偽陽性で2回(fps)、あるいは1回(fps)で70%を達成し、術式よりも優れていた。
ディープラーニングのアプローチは従来の機械学習よりも優れており、トレーニングケースの数によってパフォーマンスが向上した。
- 参考スコア（独自算出の注目度）: 6.524824313777482
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rationale: Computer aided detection (CAD) algorithms for Pulmonary Embolism
(PE) algorithms have been shown to increase radiologists' sensitivity with a
small increase in specificity. However, CAD for PE has not been adopted into
clinical practice, likely because of the high number of false positives current
CAD software produces. Objective: To generate a database of annotated computed
tomography pulmonary angiographies, use it to compare the sensitivity and false
positive rate of current algorithms and to develop new methods that improve
such metrics. Methods: 91 Computed tomography pulmonary angiography scans were
annotated by at least one radiologist by segmenting all pulmonary emboli
visible on the study. 20 annotated CTPAs were open to the public in the form of
a medical image analysis challenge. 20 more were kept for evaluation purposes.
51 were made available post-challenge. 8 submissions, 6 of them novel, were
evaluated on the 20 evaluation CTPAs. Performance was measured as per embolus
sensitivity vs. false positives per scan curve. Results: The best algorithms
achieved a per-embolus sensitivity of 75% at 2 false positives per scan (fps)
or of 70% at 1 fps, outperforming the state of the art. Deep learning
approaches outperformed traditional machine learning ones, and their
performance improved with the number of training cases. Significance: Through
this work and challenge we have improved the state-of-the art of computer aided
detection algorithms for pulmonary embolism. An open database and an evaluation
benchmark for such algorithms have been generated, easing the development of
further improvements. Implications on clinical practice will need further
research.
- Abstract（参考訳）: Rationale: 肺塞栓症(PE)アルゴリズムのためのCADアルゴリズムは, 放射線技師の感度を高めるため, 特異性が少ないことが示されている。
しかし,現在のCADソフトウェアが生産する偽陽性の数が多すぎるため,PE用CADは臨床実践に採用されていないと考えられる。
目的: 注記型ct肺血管造影図データベースの作成には, 現在のアルゴリズムの感度と偽陽性率を比較し, それらの測定値を改善する新しい手法を開発する。
方法:91例のCT肺血管造影検査を,少なくとも1例の放射線技師により,全肺塞栓を分画した。
医用画像解析の課題として,20個の注釈付きCTPAが一般公開された。
評価のためにさらに20個が保管された。
51機が製造された。
8件をCTPAで評価し,その内6件を新規に評価した。
検査成績は, 塞栓感度に対して, スキャン曲線当たりの偽陽性率で測定した。
結果: 最適なアルゴリズムは, 術種別75%, 偽陽性2例(fps), 70%(fps), 70%(fps)を達成し, 技量より優れていた。
ディープラーニングのアプローチは従来の機械学習よりも優れており、トレーニングケースの数によってパフォーマンスが向上した。
意義: この研究と課題により, 肺塞栓症に対するコンピュータ支援検出アルゴリズムの最先端技術が向上した。
このようなアルゴリズムに対するオープンデータベースと評価ベンチマークが生成され、さらなる改善の開発が容易になっている。
臨床実践への影響はさらなる研究が必要である。
関連論文リスト
- Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video
Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。
ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
論文 参考訳（メタデータ） (2023-10-05T07:48:55Z) - Identification of lung nodules CT scan using YOLOv5 based on convolution
neural network [0.0]
本研究は, 肺に発生する結節を同定することを目的とした。
1段階検出器YOLOv5は280 CT SCANで訓練された。
論文 参考訳（メタデータ） (2022-12-31T17:31:22Z) - Efficient Lung Cancer Image Classification and Segmentation Algorithm
Based on Improved Swin Transformer [0.0]
トランスモデルは、自然言語処理(NLP)の成功の後、コンピュータビジョン(CV)の分野に適用された。
本稿では,効率的なトランスを用いたセグメンテーション手法を創造的に提案し,医用画像解析に応用する。
本アルゴリズムは,肺癌データを解析して肺がん分類と分節化のタスクを完了し,医療スタッフに効率的な技術支援を提供することを目的とする。
論文 参考訳（メタデータ） (2022-07-04T15:50:06Z) - A Novel Implementation of Machine Learning for the Efficient,
Explainable Diagnosis of COVID-19 from Chest CT [0.0]
本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。
提案したモデルは0.927の総合精度と0.958の感度を得た。
論文 参考訳（メタデータ） (2022-06-15T18:35:22Z) - 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) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - 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) - A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。
提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
論文 参考訳（メタデータ） (2020-04-24T23:41:41Z) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-04-12T16:24:59Z)
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。