論文の概要: Automatic CAD-RADS Scoring Using Deep Learning

• arxiv url: http://arxiv.org/abs/2010.01963v1
• Date: Mon, 5 Oct 2020 12:48:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 22:26:18.438461
• Title: Automatic CAD-RADS Scoring Using Deep Learning
• Title（参考訳）: ディープラーニングを用いたcad-rads自動スコアリング
• Authors: Felix Denzinger, Michael Wels, Katharina Breininger, Mehmet A. G\"uls\"un, Max Sch\"obinger, Florian Andr\'e, Sebastian Bu\ss, Johannes G\"orich, Michael S\"uhling, Andreas Maier
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.789689435835229
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coronary CT angiography (CCTA) has established its role as a non-invasive modality for the diagnosis of coronary artery disease (CAD). The CAD-Reporting and Data System (CAD-RADS) has been developed to standardize communication and aid in decision making based on CCTA findings. The CAD-RADS score is determined by manual assessment of all coronary vessels and the grading of lesions within the coronary artery tree. We propose a bottom-up approach for fully-automated prediction of this score using deep-learning operating on a segment-wise representation of the coronary arteries. The method relies solely on a prior fully-automated centerline extraction and segment labeling and predicts the segment-wise stenosis degree and the overall calcification grade as auxiliary tasks in a multi-task learning setup. We evaluate our approach on a data collection consisting of 2,867 patients. On the task of identifying patients with a CAD-RADS score indicating the need for further invasive investigation our approach reaches an area under curve (AUC) of 0.923 and an AUC of 0.914 for determining whether the patient suffers from CAD. This level of performance enables our approach to be used in a fully-automated screening setup or to assist diagnostic CCTA reading, especially due to its neural architecture design -- which allows comprehensive predictions.
• Abstract（参考訳）: 冠動脈造影(CCTA)は,冠動脈疾患(CAD)の診断における非侵襲的モダリティとしての役割を確立している。 cad-reporting and data system (cad-rads) はcctaに基づく意思決定の標準化と支援を目的として開発された。 CAD-RADSスコアは,全冠血管のマニュアル評価と冠状動脈内病変のグレードにより決定される。 冠動脈のセグメント的表現に基づくディープラーニングを用いて,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。 従来の完全自動中心線抽出とセグメントラベリングのみに依存し、マルチタスク学習設定における補助タスクとしてセグメント毎の狭窄度と全体の石灰化度を予測する。 2,867人の患者からなるデータ収集に関するアプローチを評価した。 CAD-RADSスコアを用いて, さらなる侵襲的調査の必要性を示す患者を識別する作業は, 患者がCADに苦しむかどうかを判定するために, 0.923の曲線下領域(AUC)と0.914のAUCに到達した。 このレベルのパフォーマンスによって、完全に自動化されたスクリーニング設定や診断用のccta読み取り、特にニューラルネットワークの設計によって、当社のアプローチが利用可能になります。

関連論文リスト

• Multivessel Coronary Artery Segmentation and Stenosis Localisation using Ensemble Learning [3.656984996633334]
  そこで本研究では,MICCAI 2023 Automatic Region-based Coronary Artery Disease(冠状動脈疾患自動診断)のためのエンド・ツー・エンドの機械学習ソリューションを提案する。 X線冠動脈造影による冠動脈分画および狭窄性病変の局在性評価の方法の標準化を目的としている。 冠状動脈セグメンテーションでは平均F1スコアが37.69%、狭窄局所化では39.41%であった。
  論文  参考訳（メタデータ） (2023-10-27T08:03:12Z)
• Multitask Deep Learning for Accurate Risk Stratification and Prediction of Next Steps for Coronary CT Angiography Patients [26.50934421749854]
  リスク階層化と下流テスト選択を支援するマルチタスク深層学習モデルを提案する。 提案手法は,CADのリスク層化において0.76AUC,下流試験では0.72AUCの受信機動作特性を持つCurve(AUC)のエリアを達成した。
  論文  参考訳（メタデータ） (2023-09-01T08:34:13Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• CAD-RADS scoring of coronary CT angiography with Multi-Axis Vision Transformer: a clinically-inspired deep learning pipeline [0.5366236361669898]
  本研究は、冠状動脈疾患スクリーニングのための意思決定支援システムとして使用される完全自動化され、視覚的に説明可能なディープラーニングパイプラインを提案する。 The pipeline pre-processs multiplanar projections of the coronary artery, extract from the original Coronary Computed Tomography Angiography (CCTA) 3大冠動脈の2次元縦断断面をチャネル次元に沿って重ねることで、患者当たりのスコアを割り当てるように訓練されている。
  論文  参考訳（メタデータ） (2023-04-14T17:41:07Z)
• 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)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• CAD-RADS Scoring using Deep Learning and Task-Specific Centerline Labeling [5.854918673468336]
  臨床的には、冠動脈疾患(CAD)の重症度は冠動脈造影(CCTA)スキャンで評価されることが多い。 本稿では、タスク固有のディープラーニングアーキテクチャのための重大性に基づくラベル符号化、テスト時間拡張(TTA)、モデルアンサンブルを提案する。 受信機動作特性曲線(AUC)では,ルールアウトでは0.914から0.942に,ホールドアウトでは0.921から0.950に,それぞれ上昇することができた。
  論文  参考訳（メタデータ） (2022-02-08T06:22:03Z)
• 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)
• 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 [6.9835031964130545]
  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。
  論文  参考訳（メタデータ） (2020-08-10T16:07:04Z)

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。