論文の概要: A radiomics approach to analyze cardiac alterations in hypertension
- arxiv url: http://arxiv.org/abs/2007.10717v1
- Date: Tue, 21 Jul 2020 11:21:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 04:29:56.953504
- Title: A radiomics approach to analyze cardiac alterations in hypertension
- Title（参考訳）: 高血圧症における心拍変動解析への放射線学的アプローチ
- Authors: Irem Cetin, Steffen E. Petersen, Sandy Napel, Oscar Camara, Miguel
Angel Gonzalez Ballester, Karim Lekadir
- Abstract要約: 高血圧に関連する中間画像の表現型を同定するための放射線学的アプローチについて述べる。
提案した放射能モデルでは,従来の画像表現型以上の強度やテクスチュラルな変化を検出することができる。
- 参考スコア（独自算出の注目度）: 1.2184176578745824
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hypertension is a medical condition that is well-established as a risk factor
for many major diseases. For example, it can cause alterations in the cardiac
structure and function over time that can lead to heart related morbidity and
mortality. However, at the subclinical stage, these changes are subtle and
cannot be easily captured using conventional cardiovascular indices calculated
from clinical cardiac imaging. In this paper, we describe a radiomics approach
for identifying intermediate imaging phenotypes associated with hypertension.
The method combines feature selection and machine learning techniques to
identify the most subtle as well as complex structural and tissue changes in
hypertensive subgroups as compared to healthy individuals. Validation based on
a sample of asymptomatic hearts that include both hypertensive and
non-hypertensive cases demonstrate that the proposed radiomics model is capable
of detecting intensity and textural changes well beyond the capabilities of
conventional imaging phenotypes, indicating its potential for improved
understanding of the longitudinal effects of hypertension on cardiovascular
health and disease.
- Abstract（参考訳）: 高血圧は多くの主要な疾患の危険因子として確立されている。
例えば、心臓構造が変化し、時間とともに機能し、心臓の死亡率や死亡率につながる可能性がある。
しかし, 臨床心臓画像から計算した従来の心血管指標では, これらの変化は微妙であり, 容易には捉えられない。
本稿では,高血圧に関連する中間画像の表現型を特定するための放射線学的アプローチについて述べる。
この方法は特徴選択と機械学習技術を組み合わせて、健康な人と比較して、高血圧サブグループにおける最も微妙で複雑な構造と組織の変化を識別する。
高血圧例と非高血圧例の両方を含む無症候性心のサンプルに基づく検証は、提案する放射線モデルが従来の画像表現型の能力を超えて強度やテクスチャの変化を検出できることを示し、高血圧の心血管の健康や疾患に対する経時的影響の理解を改善する可能性を示唆している。
関連論文リスト
- FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。
このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。
本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文 参考訳（メタデータ） (2024-10-29T21:37:03Z) - ECGformer: Leveraging transformer for ECG heartbeat arrhythmia
classification [0.0]
不整脈または不整脈とも呼ばれる不整脈は不整脈を指す。
深層学習は、様々な医学的課題に取り組む際、例外的な能力を示した。
我々は心電図データに現れる様々な不整脈の分類のためのECGformerモデルを開発した。
論文 参考訳（メタデータ） (2024-01-06T06:14:48Z) - Heart Disease Detection using Vision-Based Transformer Models from ECG
Images [0.0]
心臓疾患(英: Heart disease)または心臓血管疾患(英: Cardiovascular disease)は、心臓と血管の障害を特徴とする疾患である。
本稿では,心電図画像から心疾患,すなわち視覚変換器モデルを用いて心疾患を検出することを提案する。
論文 参考訳（メタデータ） (2023-10-19T10:27:08Z) - Expert Uncertainty and Severity Aware Chest X-Ray Classification by
Multi-Relationship Graph Learning [48.29204631769816]
我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。
以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-09-06T19:19:41Z) - Hyper Association Graph Matching with Uncertainty Quantification for
Coronary Artery Semantic Labeling [4.9679652736351905]
ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。
冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
論文 参考訳（メタデータ） (2023-08-20T16:59:17Z) - Hypertension Detection From High-Dimensional Representation of
Photoplethysmogram Signals [38.497450879376]
高血圧の早期発見は、重要な健康問題の予防に不可欠である。
いくつかの研究は、血圧と光胸腺図(PPG)のような特定のバイタルシグナルとの関係を示唆している。
本稿では, PPG信号を用いた高血圧検出のために, ランダム畳み込みカーネルに基づく高次元表現手法を提案する。
論文 参考訳（メタデータ） (2023-07-31T00:09:23Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳（メタデータ） (2023-01-07T18:36:44Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳（メタデータ） (2022-03-12T15:24:03Z) - SNPs Filtered by Allele Frequency Improve the Prediction of Hypertension
Subtypes [6.677752710689756]
高血圧は、心臓血管疾患と早死にの主要な原因である。
特定の高血圧サブタイプは予後によって異なり、異なる治療を必要とする。
異なる基準に基づいて選択された遺伝的特徴群と環境変数を用いた高血圧サブタイプ分類モデルを構築した。
論文 参考訳（メタデータ） (2021-11-19T23:01:47Z) - Symmetry-Enhanced Attention Network for Acute Ischemic Infarct
Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。
提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。
提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文 参考訳（メタデータ） (2021-10-11T07:13:26Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z)
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。