論文の概要: Inferring respiratory and circulatory parameters from electrical
impedance tomography with deep recurrent models
- arxiv url: http://arxiv.org/abs/2010.09622v1
- Date: Mon, 19 Oct 2020 16:00:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 23:26:36.749308
- Title: Inferring respiratory and circulatory parameters from electrical
impedance tomography with deep recurrent models
- Title(参考訳): 深部再発モデルを用いた電気インピーダンストモグラフィーによる呼吸・循環パラメータの推定
- Authors: Nils Strodthoff, Claas Strodthoff, Tobias Becher, Norbert Weiler,
In\'ez Frerichs
- Abstract要約: EIT画像から同期計測された呼吸パラメータや循環パラメータを再構成する方法を実証した。
EIT信号だけでは, 絶対体積, 絶対流量, 正常化気道圧, 正常化動脈圧さえも正確に推定できることが実証された。
さらに,EITと絶対気道圧の併用による絶対的肺圧の再構築の可能性も明らかにした。
- 参考スコア(独自算出の注目度): 3.857175343610249
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrical impedance tomography (EIT) is a noninvasive imaging modality that
allows a continuous assessment of changes in regional bioimpedance of different
organs. One of its most common biomedical applications is monitoring regional
ventilation distribution in critically ill patients treated in intensive care
units. In this work, we put forward a proof-of-principle study that
demonstrates how one can reconstruct synchronously measured respiratory or
circulatory parameters from the EIT image sequence using a deep learning model
trained in an end-to-end fashion. We demonstrate that one can accurately infer
absolute volume, absolute flow, normalized airway pressure and within certain
limitations even the normalized arterial blood pressure from the EIT signal
alone, in a way that generalizes to unseen patients without prior calibration.
As an outlook with direct clinical relevance, we furthermore demonstrate the
feasibility of reconstructing the absolute transpulmonary pressure from a
combination of EIT and absolute airway pressure, as a way to potentially
replace the invasive measurement of esophageal pressure. With these results, we
hope to stimulate further studies building on the framework put forward in this
work.
- Abstract(参考訳): 電気インピーダンストモグラフィ(EIT)は、異なる臓器の局所的生体インピーダンスの変化を連続的に評価できる非侵襲的な画像モダリティである。
最も一般的なバイオメディカル応用の1つは、集中治療室で治療された重症患者の地域換気分布のモニタリングである。
本研究では,エンド・ツー・エンドで学習した深層学習モデルを用いて,EIT画像シーケンスから同期計測された呼吸・循環パラメータを再構成する方法を実証した。
絶対容積,絶対流量,気道圧の正規化,eit信号のみからの正常血圧においても一定の限界内で正確な推定が可能であり,事前のキャリブレーションが不要な患者に一般化できることを実証した。
EITと絶対的気道圧の組み合わせによる絶対的経肺圧の再構築の可能性は, 食道圧の侵襲的測定に取って代わる可能性が示唆された。
これらの結果により,本研究の枠組み構築に向けたさらなる研究が促進されることを期待する。
関連論文リスト
- Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。
本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文 参考訳(メタデータ) (2024-10-15T12:24:50Z) - Adversarial Contrastive Learning Based Physics-Informed Temporal Networks for Cuffless Blood Pressure Estimation [37.94387581519217]
逆相関学習を用いた物理インフォームド・テンポラル・ネットワーク(PITN)を導入し,非常に限られたデータで正確なBP推定を実現する。
次に, 対人訓練を駆使して生理的時系列データを生成し, スパースデータに面したPITNの堅牢性を向上させる。
論文 参考訳(メタデータ) (2024-08-16T02:17:21Z) - Fusing Echocardiography Images and Medical Records for Continuous Patient Stratification [16.93115087698284]
本研究は, 高血圧症と診断し難い連続体を用いて, 心血管系病理の表現を学習する手法を提案する。
提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。
これらの標準化されたマルチモーダルデータの表現は、その後トランスフォーマーエンコーダに送られ、臨床評価を予測するタスクを通じて患者の包括的表現にマージされる。
239人の高血圧患者のコホートでこの連続体に沿った主要な傾向を観察し、高血圧が様々な心機能記述因子に与える影響について、前例のない詳細を報告した。
論文 参考訳(メタデータ) (2024-01-15T16:04:46Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳(メタデータ) (2023-07-26T02:34:57Z) - A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy [76.20367415712867]
本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。
2360例の心左心室データを用いた条件流VAEの性能について検討した。
論文 参考訳(メタデータ) (2023-06-26T13:23:52Z) - Mesh Neural Networks for SE(3)-Equivariant Hemodynamics Estimation on the Artery Wall [13.113110989699571]
三次元幾何学的動脈モデルによる壁面上のベクトル値量の推定について検討する。
我々は、三角形のメッシュ上で直接動作するエンドツーエンドSE(3)-同変ニューラルネットワークにおいて、グループ同変グラフ畳み込みを用いる。
本手法は, 経時的, ベクトル値のWSSを, 異なる流れ境界条件下で正確に予測できるほど強力であることを示す。
論文 参考訳(メタデータ) (2022-12-09T18:16:06Z) - Solving Inverse Problems in Medical Imaging with Score-Based Generative
Models [87.48867245544106]
CT(Computed Tomography)とMRI(Magnetic Resonance Imaging)における医用画像の再構成は重要な逆問題である
機械学習に基づく既存のソリューションは通常、測定結果を医療画像に直接マッピングするモデルを訓練する。
本稿では,最近導入されたスコアベース生成モデルを利用して,逆問題解決のための教師なし手法を提案する。
論文 参考訳(メタデータ) (2021-11-15T05:41:12Z) - 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) - AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases
Treatment: Status Quo [55.04215695343928]
大動脈血管木は大動脈とその枝枝動脈からなる。
大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
論文 参考訳(メタデータ) (2021-08-06T08:18:28Z) - Geometric Uncertainty in Patient-Specific Cardiovascular Modeling with
Convolutional Dropout Networks [0.0]
患者固有の心血管モデルの条件分布からサンプルを生成する新しい手法を提案する。
提案手法で導入された主な革新は、トレーニングデータから直接幾何的不確実性を学ぶ能力である。
論文 参考訳(メタデータ) (2020-09-16T00:13:12Z) - Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。
患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。
本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
論文 参考訳(メタデータ) (2020-06-18T09:49:11Z)
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。