Fugu-MT 論文翻訳(概要): Localization and classification of intracranialhemorrhages in CT data

論文の概要: Localization and classification of intracranialhemorrhages in CT data

arxiv url: http://arxiv.org/abs/2009.03046v1
Date: Mon, 7 Sep 2020 12:07:27 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 03:33:29.899422
Title: Localization and classification of intracranialhemorrhages in CT data
Title（参考訳）: CTにおける頭蓋内出血の局在と分類
Authors: Jakub Nemcek, Roman Jakubicek, Jiri Chmelik
Abstract要約: 頭蓋内出血(ICHs)は、比較的高い頻度で致命的な脳損傷である。本稿では,局所化を含むICHの検出と分類のための自動アルゴリズムを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Intracranial hemorrhages (ICHs) are life-threatening brain injures with a relatively high incidence. In this paper, the automatic algorithm for the detection and classification of ICHs, including localization, is present. The set of binary convolutional neural network-based classifiers with a designed cascade-parallel architecture is used. This automatic system may lead to a distinct decrease in the diagnostic process's duration in acute cases. An average Jaccard coefficient of 53.7 % is achieved on the data from the publicly available head CT dataset CQ500.
Abstract（参考訳）: 頭蓋内出血(ICHs)は、比較的高い頻度で致命的な脳損傷である。本稿では,局所化を含むICHの検出と分類のための自動アルゴリズムを提案する。設計されたカスケード並列アーキテクチャを持つバイナリ畳み込みニューラルネットワークベースの分類器のセットが使用される。この自動システムは急性症例の診断過程の持続時間を大幅に減少させる可能性がある。公開されている頭部CTデータセットCQ500のデータから平均ジャカード係数53.7%を得る。

関連論文リスト

SCKansformer: Fine-Grained Classification of Bone Marrow Cells via Kansformer Backbone and Hierarchical Attention Mechanisms [14.300958118264054]
そこで本研究では,骨髄血球の詳細な分類モデルであるSCKansformerを提案する。このモデルは、Kansformer、SCConvCD、Global-Local Attentionを統合している。骨マーロウ血球微細粒度分類データセットを用いて,本モデルの有効性を検証した。
論文参考訳（メタデータ） (2024-06-14T11:25:53Z)
Neural network-based coronary dominance classification of RCA angiograms [0.3177496877224142]
右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。対象は828例で,その内192例が左支配症例であった。 RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
論文参考訳（メタデータ） (2023-09-13T13:47:52Z)
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)
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)
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)
Intrapapillary Capillary Loop Classification in Magnification Endoscopy: Open Dataset and Baseline Methodology [8.334256673330879]
我々は静止画やビデオフレームを正常または異常と分類できるコンピュータ支援検出システムを構築した。 114の患者ビデオから抽出された68Kバイナリラベルフレームを含む新しいベンチマークデータセットを紹介します。提案手法は, 臨床医12名による94.7 %に対して, 平均91.7 %の精度を示した。
論文参考訳（メタデータ） (2021-02-19T14:55:21Z)
Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of Heart Failure Patients [50.48904066814385]
本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
論文参考訳（メタデータ） (2020-12-24T12:56:46Z)
Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文参考訳（メタデータ） (2020-07-18T05:46:47Z)
Intracranial Hemorrhage Detection Using Neural Network Based Methods With Federated Learning [0.0]
頭蓋内出血は頭蓋内出血であり、急速かつしばしば集中治療を必要とする深刻な健康上の問題である。我々は,CTスキャンに基づいて条件の探索と分類を行うニューラルネットワーク手法を提案する。このようなアーキテクチャから92%以上の精度を観測し、十分なデータを提供しました。
論文参考訳（メタデータ） (2020-05-10T05:35:15Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。