論文の概要: Artificial Intelligence to Assist in Exclusion of Coronary
Atherosclerosis during CCTA Evaluation of Chest-Pain in the Emergency
Department: Preparing an Application for Real-World Use
- arxiv url: http://arxiv.org/abs/2008.04802v1
- Date: Mon, 10 Aug 2020 16:07:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 23:40:25.330973
- Title: Artificial Intelligence to Assist in Exclusion of Coronary
Atherosclerosis during CCTA Evaluation of Chest-Pain in the Emergency
Department: Preparing an Application for Real-World Use
- Title（参考訳）: 緊急部における胸痛評価における冠状動脈硬化の排除を支援する人工知能 : 実世界の応用に向けて
- Authors: Richard D. White, Barbaros S. Erdal, Mutlu Demirer, Vikash Gupta,
Matthew T. Bigelow, Engin Dikici, Sema Candemir, Mauricio S. Galizia, Jessica
L. Carpenter, Thomas P. O Donnell, Abdul H. Halabi, Luciano M. Prevedello
- Abstract要約: 冠状動脈硬化の欠如に対するCCTAスクリーニングにおける医師の解釈を支援するAIアルゴリズムとワークフローの開発について述べる。
このアルゴリズムは AUC-ROC = 0.96 で強い性能を示した。
このAIアプリケーションはCCTAの解釈を補助し、胸部ペーストによる動脈硬化を促進できる可能性がある。
- 参考スコア（独自算出の注目度）: 6.9835031964130545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coronary Computed Tomography Angiography (CCTA) evaluation of chest-pain
patients in an Emergency Department (ED) is considered appropriate. While a
negative CCTA interpretation supports direct patient discharge from an ED,
labor-intensive analyses are required, with accuracy in jeopardy from
distractions. We describe the development of an Artificial Intelligence (AI)
algorithm and workflow for assisting interpreting physicians in CCTA screening
for the absence of coronary atherosclerosis. The two-phase approach consisted
of (1) Phase 1 - focused on the development and preliminary testing of an
algorithm for vessel-centerline extraction classification in a balanced study
population (n = 500 with 50% disease prevalence) derived by retrospective
random case selection; and (2) Phase 2 - concerned with simulated-clinical
Trialing of the developed algorithm on a per-case basis in a more real-world
study population (n = 100 with 28% disease prevalence) from an ED chest-pain
series. This allowed pre-deployment evaluation of the AI-based CCTA screening
application which provides a vessel-by-vessel graphic display of algorithm
inference results integrated into a clinically capable viewer. Algorithm
performance evaluation used Area Under the Receiver-Operating-Characteristic
Curve (AUC-ROC); confusion matrices reflected ground-truth vs AI
determinations. The vessel-based algorithm demonstrated strong performance with
AUC-ROC = 0.96. In both Phase 1 and Phase 2, independent of disease prevalence
differences, negative predictive values at the case level were very high at
95%. The rate of completion of the algorithm workflow process (96% with
inference results in 55-80 seconds) in Phase 2 depended on adequate image
quality. There is potential for this AI application to assist in CCTA
interpretation to help extricate atherosclerosis from chest-pain presentations.
- Abstract（参考訳）: 緊急部(ED)における胸部痛患者の冠動脈造影(CCTA)評価は適切と考えられる。
負のCCTA解釈は、EDからの直接の患者の退院をサポートするが、労働集約的な分析が必要である。
冠状動脈硬化の欠如に対するCCTAスクリーニングにおける医師の解釈を支援する人工知能(AI)アルゴリズムとワークフローの開発について述べる。
2段階のアプローチは、1段階目 - 回顧的ランダムケース選択から導出したバランス付き研究集団(n = 500 50% の疾患有病率)における血管中心抽出分類アルゴリズムの開発と予備テストに焦点をあて、2段階目 - より実世界の研究集団(n = 100 で 28% の疾患有病率)において、より実世界でのケースベースで開発されたアルゴリズムをシミュレート・臨床的に試行することに関する2段階目であった。
これにより、臨床能力のあるビューアーに統合されたアルゴリズム推論結果の容器ごとのグラフィック表示を提供する、AIベースのCCTAスクリーニングアプリケーションの事前デプロイ評価が可能になる。
アルゴリズムの性能評価では、受信者-操作特性曲線(auc-roc)の下の領域を用いた。
容器ベースのアルゴリズムは AUC-ROC = 0.96 で強い性能を示した。
第1相と第2相は疾患有病率差とは無関係に, 症例レベルでの負の予測値は95%であった。
フェーズ2におけるアルゴリズムワークフロープロセスの完了率(96%の推論結果で55-80秒)は、適切な画像品質に依存した。
このAIアプリケーションはCCTAの解釈を補助し、胸部ペーストによる動脈硬化を促進できる可能性がある。
関連論文リスト
- Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z) - Automated Assessment of Critical View of Safety in Laparoscopic
Cholecystectomy [51.240181118593114]
胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。
LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。
本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-09-13T22:01:36Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - 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) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - CathAI: Fully Automated Interpretation of Coronary Angiograms Using
Neural Networks [9.963333753481514]
冠動脈狭窄を推定する完全自動血管造影法が深部神経回路アルゴリズムを用いて初めて可能であることを示す。
私たちが開発したアルゴリズムパイプライン、すなわちCathAIは、選択されていない現実世界のアンジオグラムの自動解釈を実現するために必要な一連のタスクにまたがって、最先端のパフォーマンスを達成します。
論文 参考訳（メタデータ） (2021-06-14T18:58:09Z) - A hybrid machine learning/deep learning COVID-19 severity predictive
model from CT images and clinical data [0.0]
患者を非icuとicuの2つのカテゴリーに分類するハイブリッド機械学習/深層学習モデルを開発した。
ベースラインCT画像の3次元患者レベルのCNN分類器を特徴抽出器として用いる。
本モデルは,臨床診断を医師に提供し,結果クラスに属する確率スコアと特徴のケースベースSHAPによる解釈を提供することを目的としている。
論文 参考訳（メタデータ） (2021-05-13T08:39:56Z) - Automated Detection of Coronary Artery Stenosis in X-ray Angiography
using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。
左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文 参考訳（メタデータ） (2021-03-04T11:45:54Z) - A new approach to extracting coronary arteries and detecting stenosis in
invasive coronary angiograms [9.733630514873376]
我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。
本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。
実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
論文 参考訳（メタデータ） (2021-01-25T01:48:27Z) - Automatic CAD-RADS Scoring Using Deep Learning [5.789689435835229]
The CAD-Reporting and Data System (CAD-RADS) has developed to standardize communication and help in decision making based on CCTA findings。
CAD-RADSスコアは, 冠状動脈内病変の経時的評価と, 冠状動脈内病変の経時的評価によって決定される。
本稿では,冠状動脈の分節的表現に基づく深層学習を用いて,このスコアの完全自動予測のためのボトムアップ手法を提案する。
論文 参考訳（メタデータ） (2020-10-05T12:48:15Z)
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。