論文の概要: Novel Subtypes of Pulmonary Emphysema Based on Spatially-Informed Lung Texture Learning

• arxiv url: http://arxiv.org/abs/2007.04978v1
• Date: Thu, 9 Jul 2020 17:59:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 03:50:02.296198
• Title: Novel Subtypes of Pulmonary Emphysema Based on Spatially-Informed Lung Texture Learning
• Title（参考訳）: 空間的インフォームド肺組織学習に基づく肺気腫の新しいサブタイプ
• Authors: Jie Yang, Elsa D. Angelini, Pallavi P. Balte, Eric A. Hoffman, John H.M. Austin, Benjamin M. Smith, R. Graham Barr, and Andrew F. Laine
• Abstract要約: 慢性閉塞性肺疾患(COPD)に合併した肺気腫の1例 CT(Computed tomography)による気腫サブタイプの教師なし学習は、気腫サブタイプの新たな定義への道を開く。
• 参考スコア（独自算出の注目度）: 9.272398630419971
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pulmonary emphysema overlaps considerably with chronic obstructive pulmonary disease (COPD), and is traditionally subcategorized into three subtypes previously identified on autopsy. Unsupervised learning of emphysema subtypes on computed tomography (CT) opens the way to new definitions of emphysema subtypes and eliminates the need of thorough manual labeling. However, CT-based emphysema subtypes have been limited to texture-based patterns without considering spatial location. In this work, we introduce a standardized spatial mapping of the lung for quantitative study of lung texture location, and propose a novel framework for combining spatial and texture information to discover spatially-informed lung texture patterns (sLTPs) that represent novel emphysema subtypes. Exploiting two cohorts of full-lung CT scans from the MESA COPD and EMCAP studies, we first show that our spatial mapping enables population-wide study of emphysema spatial location. We then evaluate the characteristics of the sLTPs discovered on MESA COPD, and show that they are reproducible, able to encode standard emphysema subtypes, and associated with physiological symptoms.
• Abstract（参考訳）: 肺気腫は慢性閉塞性肺疾患(copd)とかなり重複しており、伝統的に3つの亜型に分類される。 CT(Computed tomography)における気腫サブタイプの教師なし学習は、気腫サブタイプの新たな定義への道を開き、徹底的な手動ラベリングの必要性を排除する。 しかし,CTによる気腫のサブタイプは空間的位置を考慮せずにテクスチャベースのパターンに制限されている。 本研究では,肺のテクスチャ位置を定量的に研究するための標準化された空間マッピングを提案するとともに,空間情報とテクスチャ情報を組み合わせて,新しい気腫のサブタイプを表す空間的インフォームド肺テクスチャパターン(sLTP)を発見するための新しい枠組みを提案する。 MESA COPD と EMCAP によるフル肺CTの2つのコホートを探索し,その空間マッピングにより,肺気腫の空間的位置を全人口で調査できることを示した。 次に,MESA COPDで発見されたsLTPの特性を評価し,再現性を示し,標準的な気腫のサブタイプをコード化でき,生理的症状と関連していることを示した。

関連論文リスト

• Anatomy-guided Pathology Segmentation [56.883822515800205]
  本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。 我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。 これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
  論文  参考訳（メタデータ） (2024-07-08T11:44:15Z)
• Robust deep labeling of radiological emphysema subtypes using squeeze and excitation convolutional neural networks: The MESA Lung and SPIROMICS Studies [34.200556207264974]
  肺気腫は進行性で不可逆的な肺組織喪失である。 最近の研究は、肺CTにおける空間的インフォームド肺テクスチャパターン(ss)の教師なし学習につながっている。 肺CT上のss CNNとCTESの教師あり分類のための3次元圧縮・励起モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-01T03:45:56Z)
• MEDPSeg: Hierarchical polymorphic multitask learning for the segmentation of ground-glass opacities, consolidation, and pulmonary structures on computed tomography [37.119000111386924]
  MEDPSegは階層型多形マルチタスク学習(HPML)を通して異種胸部CTターゲットから学習する 本稿では,GGOと統合セグメンテーションタスクの最先端性能を実現するPMLについて述べる。 さらに、MEDPSegは肺発作、気道、肺動脈、肺病変の分節を同時に行う。
  論文  参考訳（メタデータ） (2023-12-04T21:46:39Z)
• BRONCO: Automated modelling of the bronchovascular bundle using the Computed Tomography Images [32.586316762855944]
  我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。 我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
  論文  参考訳（メタデータ） (2023-09-18T00:38:25Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• 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)
• Development and Characterization of a Chest CT Atlas [5.770017830153421]
  肺がん検診プログラムの低用量CTデータベース上に構築した胸部腺腫について検討した。 空間マッピングを実現するため,胸腔全体に対して多段階間非剛性登録パイプラインを最適化する。 異なる解剖学的表現型に対する識別能力の観点から, 開発したアトラスの応用妥当性を評価した。
  論文  参考訳（メタデータ） (2020-12-05T21:20:57Z)
• COPD Classification in CT Images Using a 3D Convolutional Neural Network [10.217631381481457]
  慢性閉塞性肺疾患(英: chronic obstructive lung disease, COPD)は、完全に可逆性ではない肺疾患である。 ボリュームワイドアノテーションのみを用いて, COPDと気腫を分類する3次元深層学習手法を提案する。 また,事前に訓練したCOPD分類モデルからの知識伝達を用いた気腫分類における移動学習の効果を実証した。
  論文  参考訳（メタデータ） (2020-01-04T16:58:45Z)

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。