論文の概要: Early Detection of Myocardial Infarction in Low-Quality Echocardiography
- arxiv url: http://arxiv.org/abs/2010.02281v2
- Date: Mon, 15 Mar 2021 10:01:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 22:16:23.106559
- Title: Early Detection of Myocardial Infarction in Low-Quality Echocardiography
- Title(参考訳): 低品質心エコー図による心筋梗塞の早期診断
- Authors: Aysen Degerli, Morteza Zabihi, Serkan Kiranyaz, Tahir Hamid, Rashid
Mazhar, Ridha Hamila, and Moncef Gabbouj
- Abstract要約: 心筋梗塞 (MI) は、毎年324万人が苦しんでいる、世界中で致命的な健康上の問題である。
本稿では,低品質心エコー図におけるMI早期検出のための3段階的アプローチを提案する。
本研究の主な貢献は、低品質心エコー図によるLV壁の高精度セグメンテーション、無注LV壁の地下構造形成のための擬似ラベリングアプローチ、MI検出のための最初の公開心エコーデータセット(HMC-QU)*である。
- 参考スコア(独自算出の注目度): 20.70352553163199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Myocardial infarction (MI), or commonly known as heart attack, is a
life-threatening health problem worldwide from which 32.4 million people suffer
each year. Early diagnosis and treatment of MI are crucial to prevent further
heart tissue damages or death. The earliest and most reliable sign of ischemia
is regional wall motion abnormality (RWMA) of the affected part of the
ventricular muscle. Echocardiography can easily, inexpensively, and
non-invasively exhibit the RWMA. In this article, we introduce a three-phase
approach for early MI detection in low-quality echocardiography: 1)
segmentation of the entire left ventricle (LV) wall using a state-of-the-art
deep learning model, 2) analysis of the segmented LV wall by feature
engineering, and 3) early MI detection. The main contributions of this study
are highly accurate segmentation of the LV wall from low-quality
echocardiography, pseudo labeling approach for ground-truth formation of the
unannotated LV wall, and the first public echocardiographic dataset (HMC-QU)*
for MI detection. Furthermore, the outputs of the proposed approach can
significantly help cardiologists for a better assessment of the LV wall
characteristics. The proposed approach has achieved 95.72% sensitivity and
99.58% specificity for the LV wall segmentation, and 85.97% sensitivity, 74.03%
specificity, and 86.85% precision for MI detection on the HMC-QU dataset. *The
benchmark HMC-QU dataset is publicly shared at the repository
https://www.kaggle.com/aysendegerli/hmcqu-dataset
- Abstract(参考訳): 心筋梗塞(英: myocardial infarction、略称:MI)は、毎年324万人が苦しんでいる健康上の問題である。
MIの早期診断と治療は、さらなる心臓組織の損傷や死亡を防ぐために不可欠である。
虚血の最も早期かつ最も確実な兆候は、心室筋の損傷部位の局所壁運動異常(RWMA)である。
心エコー図はrwmaを簡便に、安価に、非侵襲的に呈示することができる。
本稿では,低品質心エコー図における早期MI検出のための3段階的アプローチを紹介する。
1)最先端深層学習モデルを用いた左室壁全体(LV)のセグメンテーション
2)機能工学によるセグメント状LV壁の解析,及び
3) 早期mi検出。
本研究の主な貢献は、低品質心エコー図によるLV壁の高精度セグメンテーション、無注LV壁の地下構造形成のための擬似ラベリングアプローチ、MI検出のための最初の公開心エコーデータセット(HMC-QU)*である。
さらに, 提案手法の出力は, 心臓科医のlv壁特性の評価を著しく向上させる。
提案手法は、LV壁セグメンテーションの感度95.72%、特異99.58%、感度85.97%、特異74.03%、HMC-QUデータセットでのMI検出の精度86.85%を達成した。
※ベンチマークHMC-QUデータセットはリポジトリhttps://www.kaggle.com/aysendegerli/hmcqu-datasetで公開されています。
関連論文リスト
- AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳(メタデータ) (2024-07-02T16:44:00Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-09T05:57:01Z) - Early Myocardial Infarction Detection with One-Class Classification over
Multi-view Echocardiography [22.479667537086108]
心筋梗塞 (MI) は世界の死亡率と死亡率の主要な原因である。
一級分類法は、特定の対象クラスを検出するモデルを訓練するために用いられる。
マルチモーダルアプローチでは感度は85.23%、F1スコアは80.21%に達する。
論文 参考訳(メタデータ) (2022-04-14T22:21:30Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳(メタデータ) (2022-01-10T06:37:23Z) - Early Myocardial Infarction Detection over Multi-view Echocardiography [22.81766862528411]
心筋梗塞 (MI) は世界有数の死因である。
そこで本研究では,11個の心筋セグメントをMI検出のために解析可能な,apical 4-chamber (A4C) およびapical 2-chamber (A2C) ビューの融合を提案する。
論文 参考訳(メタデータ) (2021-11-09T15:36:10Z) - Estimation of atrial fibrillation from lead-I ECGs: Comparison with
cardiologists and machine learning model (CurAlive), a clinical validation
study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。
本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文 参考訳(メタデータ) (2021-04-15T12:50:16Z) - Cascaded Framework for Automatic Evaluation of Myocardial Infarction
from Delayed-Enhancement Cardiac MRI [9.247774141419134]
まず、2D U-Netを使用して、左心室と心筋を含む心臓全体を分割します。
新しい2D U-Netを使用して、心臓全体のROIの屈折および無リフロー領域をセグメント化します。
本手法は,MICCAI 2020 EMIDECセグメンテーションタスクにおいて,Diceスコアが86.28%,62.24%,77.76%,心筋,非血流領域が77.76%,精度92%で第1位であった。
論文 参考訳(メタデータ) (2020-12-29T01:35:02Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - Left Ventricular Wall Motion Estimation by Active Polynomials for Acute
Myocardial Infarction Detection [18.93271742586598]
本稿では, 左室壁の大域的運動を, 頑健かつ正確な方法で正確に推定できる新しい手法であるActive Polynomialsを提案する。
提案アルゴリズムは,急性MIの早期診断を支援するために,LV壁セグメントに発生する真の壁運動を定量化する。
論文 参考訳(メタデータ) (2020-08-11T10:29:22Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z)
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。