Fugu-MT 論文翻訳(概要): Image quality assessment for closed-loop computer-assisted lung ultrasound

論文の概要: Image quality assessment for closed-loop computer-assisted lung ultrasound

arxiv url: http://arxiv.org/abs/2008.08840v2
Date: Mon, 18 Jan 2021 10:48:04 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 04:08:12.936741
Title: Image quality assessment for closed-loop computer-assisted lung ultrasound
Title（参考訳）: クローズドループコンピュータ支援肺超音波画像の画質評価
Authors: Zachary M C Baum, Ester Bonmati, Lorenzo Cristoni, Andrew Walden, Ferran Prados, Baris Kanber, Dean C Barratt, David J Hawkes, Geoffrey J M Parker, Claudia A M Gandini Wheeler-Kingshott, Yipeng Hu
Abstract要約: 集中治療室における超音波画像を用いた肺異常検出のための新しい2段階コンピュータ支援システムについて述べる。提案システムは,画像品質の予測を自動化する品質評価モジュールと,十分な品質の超音波画像におけるオアノマリーの可能性を判定する診断支援モジュールの2つの深層学習モデルから構成される。
参考スコア（独自算出の注目度）: 1.1886402973079053
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We describe a novel, two-stage computer assistance system for lung anomaly detection using ultrasound imaging in the intensive care setting to improve operator performance and patient stratification during coronavirus pandemics. The proposed system consists of two deep-learning-based models: a quality assessment module that automates predictions of image quality, and a diagnosis assistance module that determines the likelihood-oh-anomaly in ultrasound images of sufficient quality. Our two-stage strategy uses a novelty detection algorithm to address the lack of control cases available for training the quality assessment classifier. The diagnosis assistance module can then be trained with data that are deemed of sufficient quality, guaranteed by the closed-loop feedback mechanism from the quality assessment module. Using more than 25000 ultrasound images from 37 COVID-19-positive patients scanned at two hospitals, plus 12 control cases, this study demonstrates the feasibility of using the proposed machine learning approach. We report an accuracy of 86% when classifying between sufficient and insufficient quality images by the quality assessment module. For data of sufficient quality - as determined by the quality assessment module - the mean classification accuracy, sensitivity, and specificity in detecting COVID-19-positive cases were 0.95, 0.91, and 0.97, respectively, across five holdout test data sets unseen during the training of any networks within the proposed system. Overall, the integration of the two modules yields accurate, fast, and practical acquisition guidance and diagnostic assistance for patients with suspected respiratory conditions at point-of-care.
Abstract（参考訳）: 本稿では,集中治療環境における超音波画像を用いた肺異常検出のための新しい2段階コンピュータ支援システムについて述べる。提案システムは, 画像品質の予測を自動化する品質評価モジュールと, 十分な品質の超音波画像におけるオアノマリーの可能性を判定する診断支援モジュールの2つの深層学習モデルから構成される。 2段階戦略では,品質評価分類器の訓練に利用可能な制御ケースの欠如に対処するために,新規検出アルゴリズムを用いる。診断支援モジュールは、品質評価モジュールからクローズドループフィードバック機構によって保証される十分な品質と判断されたデータでトレーニングすることができる。 2つの病院でスキャンされた37人の新型コロナウイルス陽性患者の超音波画像と12のコントロールケースから,提案した機械学習アプローチの有効性を実証した。品質評価モジュールを用いて,十分な画質画像と不十分な画質画像の分類を行う場合の精度は86%であった。品質評価モジュールによって決定される十分な品質のデータについて,提案システム内のネットワークのトレーニング中,5つのホールドアウトテストデータセットにおいて,covid-19陽性例の平均分類精度,感度,特異性がそれぞれ0.95, 0.91, 0.97であった。全体として、この2つのモジュールの統合は、医療現場で疑われる呼吸器疾患の患者に対して、正確、迅速、実用的な取得指導と診断支援をもたらす。

関連論文リスト

Two-Stage Deep Learning Framework for Quality Assessment of Left Atrial Late Gadolinium Enhanced MRI Images [0.22585387137796725]
LGE-MRI画像の自動診断品質評価のための2段階のディープラーニング手法を提案する。本発明の方法は、関連する領域にフォーカスする左心房検出器と、診断品質を評価するディープネットワークとを含む。
論文参考訳（メタデータ） (2023-10-13T01:27:36Z)
Reconstruction of Patient-Specific Confounders in AI-based Radiologic Image Interpretation using Generative Pretraining [12.656718786788758]
本稿では,DiffChestと呼ばれる自己条件拡散モデルを提案し,胸部X線画像のデータセット上で訓練する。 DiffChest氏は、患者固有のレベルでの分類を説明し、モデルを誤解させる可能性のある要因を視覚化する。本研究は,医用画像分類における拡散モデルに基づく事前訓練の可能性を明らかにするものである。
論文参考訳（メタデータ） (2023-09-29T10:38:08Z)
Expert-Agnostic Ultrasound Image Quality Assessment using Deep Variational Clustering [0.03262230127283451]
超音波画像の品質は低く、サーバ間変動によるノイズの多いアノテーションに悩まされている。我々は,手動アノテーションの負担と不確実性を解消するUnSupervised UltraSound Image Quality Assessment Network (US2QNet)を提案する。提案手法は,最先端クラスタリング手法よりも精度が78%,性能が優れている。
論文参考訳（メタデータ） (2023-07-05T17:34:58Z)
A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文参考訳（メタデータ） (2023-06-01T16:23:47Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
Failure Detection in Medical Image Classification: A Reality Check and Benchmarking Testbed [23.25084022554028]
自動画像分類における故障検出は、臨床展開にとって重要な安全策である。その最重要さにもかかわらず、テストタイムの失敗を検出する最先端の信頼度評価手法の能力に関する証拠は不十分である。本稿では,ドメイン内誤分類検出手法の性能を実証する現実チェックを提案する。
論文参考訳（メタデータ） (2022-05-27T16:50:48Z)
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)
Quality-aware Cine Cardiac MRI Reconstruction and Analysis from Undersampled k-space Data [7.022090490184671]
本稿では、画像取得と再構成を下流タスクと組み合わせた、エンドツーエンド品質を意識した近軸短軸MRIフレームワークを提案する。このフレームワークは、2D+t心筋MRI画像のアンダーサンプルデータからの再構成のためのディープラーニングモデルで構成されている。以上の結果より,スライス12秒から4秒のスキャン時間で品質制御画像が作成でき,心機能パラメータの信頼性の高い推定が可能であることが示唆された。
論文参考訳（メタデータ） (2021-09-16T13:08:54Z)
Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
論文参考訳（メタデータ） (2021-04-07T16:23:35Z)
A novel multiple instance learning framework for COVID-19 severity assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。 CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文参考訳（メタデータ） (2021-02-07T16:30:18Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。