論文の概要: Ultrasound Liver Fibrosis Diagnosis using Multi-indicator guided Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2009.04924v1
• Date: Thu, 10 Sep 2020 15:05:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 04:03:42.275179
• Title: Ultrasound Liver Fibrosis Diagnosis using Multi-indicator guided Deep Neural Networks
• Title（参考訳）: ディープニューラルネットワークを用いた超音波肝線維化診断
• Authors: Jiali Liu, Wenxuan Wang, Tianyao Guan, Ningbo Zhao, Xiaoguang Han, and Zhen Li
• Abstract要約: 本稿では,肝線維症自動予測のためのディープラーニングフレームワークを提案する。 提案したモデルのトレーニングを容易にするために,指標誘導学習機構を提案する。 実験結果に示すように,本モデルでは,最先端性能の達成による有効性を示す。
• 参考スコア（独自算出の注目度）: 19.99616501569648
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate analysis of the fibrosis stage plays very important roles in follow-up of patients with chronic hepatitis B infection. In this paper, a deep learning framework is presented for automatically liver fibrosis prediction. On contrary of previous works, our approach can take use of the information provided by multiple ultrasound images. An indicator-guided learning mechanism is further proposed to ease the training of the proposed model. This follows the workflow of clinical diagnosis and make the prediction procedure interpretable. To support the training, a dataset is well-collected which contains the ultrasound videos/images, indicators and labels of 229 patients. As demonstrated in the experimental results, our proposed model shows its effectiveness by achieving the state-of-the-art performance, specifically, the accuracy is 65.6%(20% higher than previous best).
• Abstract（参考訳）: B型慢性肝炎患者の経過観察において線維化ステージの正確な解析は極めて重要である。 本稿では,肝線維症自動予測のためのディープラーニングフレームワークを提案する。 従来の研究とは対照的に,複数の超音波画像から得られる情報を利用することができる。 さらに,提案モデルの学習を容易にするための指標誘導学習機構を提案する。 これは臨床診断のワークフローに従い、予測手順を解釈する。 トレーニングを支援するために、229人の患者の超音波ビデオ/画像、指標、ラベルを含むデータセットが適切に収集されている。 実験結果に示すように,提案手法は最先端の性能,具体的には65.6%の精度(過去の最高値よりも20%高い)を達成して有効性を示す。

関連論文リスト

• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための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。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Towards Enhanced Analysis of Lung Cancer Lesions in EBUS-TBNA -- A Semi-Supervised Video Object Detection Method [0.0]
  本研究は, 子宮内膜超音波(EBUS)を用いた肺病変のコンピュータ診断システムの構築を目的とする。 これまでの研究では、EBUS-TBNAへのオブジェクト検出モデルの適用が不足していた。
  論文  参考訳（メタデータ） (2024-04-02T13:23:21Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Graph-based multimodal multi-lesion DLBCL treatment response prediction from PET images [0.0]
  診断後, 標準フロントライン治療における非対応患者数(30～40%)は依然として顕著である。 本研究は,適応治療を必要とする高リスク患者を特定するためのコンピュータ支援アプローチを開発することを目的とする。 複数の病変からのイメージング情報を組み合わせた最近のグラフニューラルネットワークに基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-10-25T08:16:45Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Exploring the Utility of Self-Supervised Pretraining Strategies for the Detection of Absent Lung Sliding in M-Mode Lung Ultrasound [72.39040113126462]
  セルフ教師付きプレトレーニングは、医用画像における教師付き学習タスクのパフォーマンスを向上させるために観察されている。 本研究は,Mモード肺超音波画像における肺スライディング分類の下流タスクの微調整を指導する前,自己指導型プレトレーニングの有用性について検討した。
  論文  参考訳（メタデータ） (2023-04-05T20:01:59Z)
• Interpretable and intervenable ultrasonography-based machine learning models for pediatric appendicitis [8.083060080133842]
  虫垂炎は小児腹部手術の最も多い原因の一つである。 虫垂炎に対する以前の意思決定支援システムは、臨床、検査、スコアリング、およびCTデータに焦点を当ててきた。 超音波画像を用いた虫垂炎の診断・管理・重症度予測のための解釈可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-28T10:08:11Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• A causal learning framework for the analysis and interpretation of COVID-19 clinical data [7.256237785391623]
  ワークフローは、BSLを通じて患者の結果の主な原因を特定する、多段階のアプローチから成り立っている。 特徴量の多いCOVID-19データセットに対する我々のアプローチを評価し、提案フレームワークが結果に共同貢献する多要素プロセスのスキーマ的概要を提供することを示す。 対象者の85%の結果を3つの特徴のみに基づいて正確に予測する手法を考案した。
  論文  参考訳（メタデータ） (2021-05-14T15:58:18Z)
• Multi-Modal Active Learning for Automatic Liver Fibrosis Diagnosis based on Ultrasound Shear Wave Elastography [13.13249599000645]
  超音波診断などの非侵襲的診断は肝線維症自動診断(ALFD)において極めて重要である ノイズの多いデータ、アメリカの画像の高価なアノテーションのため、AI(Artificial Intelligence)アプローチの応用はボトルネックに直面する。 本研究では, ALFD のための多モード融合ネットワーク (MMFN-AL) を革新的に提案する。
  論文  参考訳（メタデータ） (2020-11-02T03:05:24Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)

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。