Fugu-MT 論文翻訳(概要): Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and Pathology Data

論文の概要: Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and Pathology Data

arxiv url: http://arxiv.org/abs/2009.10687v1
Date: Tue, 22 Sep 2020 17:02:31 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 23:09:53.882549
Title: Deep Learning based NAS Score and Fibrosis Stage Prediction from CT and Pathology Data
Title（参考訳）: 深層学習に基づくNASスコアと線維化ステージのCTと病理データによる予測
Authors: Ananya Jana, Hui Qu, Puru Rattan, Carlos D. Minacapelli, Vinod Rustgi, Dimitris Metaxas
Abstract要約: 非アルコール性脂肪肝疾患 (NAFLD) は世界の人口で増加傾向にある。我々はCTデータからNASスコアと線維化ステージを自動的に予測する新しい手法を提案する。また,CTとH&Eの染色病理データから得られる情報を組み合わせてNASスコアと線維症ステージ予測の性能を向上させる手法を提案する。
参考スコア（独自算出の注目度）: 4.506304887966763
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Non-Alcoholic Fatty Liver Disease (NAFLD) is becoming increasingly prevalent in the world population. Without diagnosis at the right time, NAFLD can lead to non-alcoholic steatohepatitis (NASH) and subsequent liver damage. The diagnosis and treatment of NAFLD depend on the NAFLD activity score (NAS) and the liver fibrosis stage, which are usually evaluated from liver biopsies by pathologists. In this work, we propose a novel method to automatically predict NAS score and fibrosis stage from CT data that is non-invasive and inexpensive to obtain compared with liver biopsy. We also present a method to combine the information from CT and H\&E stained pathology data to improve the performance of NAS score and fibrosis stage prediction, when both types of data are available. This is of great value to assist the pathologists in computer-aided diagnosis process. Experiments on a 30-patient dataset illustrate the effectiveness of our method.
Abstract（参考訳）: 非アルコール性脂肪肝疾患 (NAFLD) は世界の人口で増加傾向にある。 NAFLDは適切な診断がなければ非アルコール性脂肪肝炎(NASH)とその後の肝障害につながる可能性がある。 NAFLDの診断と治療はNAFLD活性スコア(NAS)と肝線維症ステージに依存しており、通常は病理医による肝生検で評価される。本研究では,肝生検と比較して非侵襲的で安価なCTデータからNASスコアと線維化ステージを自動的に予測する方法を提案する。また,CTとH\&Eの染色病理データから得られる情報を組み合わせてNASスコアと線維症ステージ予測の性能を向上させる手法を提案する。これは、コンピュータ支援診断プロセスで病理医を助けるのに非常に有用である。 30人の患者を対象に,本手法の有効性を示す実験を行った。

関連論文リスト

A Non-Invasive Interpretable NAFLD Diagnostic Method Combining TCM Tongue Features [3.027279434102167]
非アルコール性脂肪肝疾患(非アルコール性脂肪肝疾患、NAFLD)は、肝脂肪症を特徴とする臨床病理学的症候群である。提案手法は,非侵襲的データのみを用いて77.22%の精度を実現する。
論文参考訳（メタデータ） (2023-09-06T12:55:59Z)
PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage [2.602118060856794]
脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。 PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
論文参考訳（メタデータ） (2023-08-21T07:18:51Z)
Multi-modal Learning based Prediction for Disease [15.306495902841903]
非アルコール性脂肪肝疾患(NAFLD)は慢性肝疾患の最も一般的な原因であり、進行性線維症や肝硬変を防ぐために正確に予測できる。本稿では,包括的臨床データセット(FLDData)とマルチモーダル学習に基づくNAFLD予測手法(DeepFLD)を組み合わせたNAFLD診断システム(DeepFLDDiag)を提案する。提案されているDeepFLDは、メタデータや顔画像を含むマルチモーダル入力を使用してNAFLDを予測するように設計されたディープニューラルネットワークモデルである。
論文参考訳（メタデータ） (2023-07-19T08:21:01Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文参考訳（メタデータ） (2022-07-02T11:50:02Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
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)
Survival Analysis for Idiopathic Pulmonary Fibrosis using CT Images and Incomplete Clinical Data [17.162038700963418]
特発性肺線維症(IPF)は線維性肺疾患である。肺のCTスキャンはIPF患者の臨床的評価を通知し、疾患の進行に関する関連する情報を含む。臨床および画像データを用いたIPF患者の生存率を予測するために,ニューラルネットワークとメモリバンクを用いたマルチモーダル手法を提案する。
論文参考訳（メタデータ） (2022-03-21T23:48:47Z)
Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease [54.69792905238048]
超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-07-27T12:37:19Z)
Liver Fibrosis and NAS scoring from CT images using self-supervised learning and texture encoding [5.239374600854888]
非アルコール性脂肪肝疾患(NAFLD)は、肝臓癌に進行できる慢性肝疾患(CLD)の最も一般的な原因の1つです。非侵襲CT画像から線維化とNASスコアを予測する現在の方法は、大きな注釈付きデータセットまたは転送学習に大きく依存します。本研究では,両問題に対する自己監督型学習手法を提案する。
論文参考訳（メタデータ） (2021-03-05T15:40:55Z)
A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがあるコンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文参考訳（メタデータ） (2020-08-22T07:48:04Z)

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。