論文の概要: Deep learning in the ultrasound evaluation of neonatal respiratory
status
- arxiv url: http://arxiv.org/abs/2011.00337v1
- Date: Sat, 31 Oct 2020 18:57:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 05:14:28.061968
- Title: Deep learning in the ultrasound evaluation of neonatal respiratory
status
- Title（参考訳）: 新生児呼吸状態の超音波診断における深層学習
- Authors: Michela Gravina, Diego Gragnaniello, Luisa Verdoliva, Giovanni Poggi,
Iuri Corsini, Carlo Dani, Fabio Meneghin, Gianluca Lista, Salvatore Aversa,
Francesco Raimondi, Fiorella Migliaro, Carlo Sansone
- Abstract要約: 肺超音波検査は科学界から関心を集めている。
画像解析とパターン認識のアプローチは、これらのデータに含まれる豊富な情報を十分に活用できることを証明している。
本稿では、近年のディープラーニングネットワークと、大規模かつ挑戦的なマルチセンターデータセット上で実施されているトレーニング戦略について、徹底的に分析する。
- 参考スコア（独自算出の注目度）: 11.308283140003676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lung ultrasound imaging is reaching growing interest from the scientific
community. On one side, thanks to its harmlessness and high descriptive power,
this kind of diagnostic imaging has been largely adopted in sensitive
applications, like the diagnosis and follow-up of preterm newborns in neonatal
intensive care units. On the other side, state-of-the-art image analysis and
pattern recognition approaches have recently proven their ability to fully
exploit the rich information contained in these data, making them attractive
for the research community. In this work, we present a thorough analysis of
recent deep learning networks and training strategies carried out on a vast and
challenging multicenter dataset comprising 87 patients with different diseases
and gestational ages. These approaches are employed to assess the lung
respiratory status from ultrasound images and are evaluated against a reference
marker. The conducted analysis sheds some light on this problem by showing the
critical points that can mislead the training procedure and proposes some
adaptations to the specific data and task. The achieved results sensibly
outperform those obtained by a previous work, which is based on textural
features, and narrow the gap with the visual score predicted by the human
experts.
- Abstract（参考訳）: 肺超音波画像が科学界から関心を集めている。
ひとつは、その無害感と高説明力により、新生児集中治療ユニットの早期新生児の診断やフォローアップといった、敏感な応用に、この種の診断画像が広く採用されていることだ。
一方、最先端の画像分析とパターン認識のアプローチは、最近これらのデータに含まれる豊富な情報を完全に活用できることを証明し、研究コミュニティにとって魅力的なものとなった。
本稿では,近年の深層学習ネットワークの徹底的な分析と,87名の異なる疾患患者と妊娠年齢の多施設データセット上でのトレーニング戦略について述べる。
これらのアプローチは、超音波画像から肺呼吸状態を評価するために用いられ、基準マーカーに対して評価される。
分析の結果,トレーニング手順を誤解させる重要な点を示し,特定のデータやタスクへの適応を提案することで,この問題に光を当てることができた。
得られた成果は, テクスチャ的特徴に基づく先行研究で得られた結果よりも良好に優れており, 人間の専門家が予測した視力との差を狭めている。
関連論文リスト
- 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) - A comprehensive survey on deep active learning in medical image analysis [23.849628978883707]
深層学習は医用画像解析において広く成功し、大規模な専門家による医用画像データセットの需要が高まっている。
しかし、医用画像に注釈をつける高コストは、この分野での深層学習の発展を著しく妨げている。
アノテーションのコストを削減するため、アクティブラーニングは、アノテーションの最も有益なサンプルを選択し、できるだけ少ないラベル付きサンプルで高性能モデルを訓練することを目的としている。
論文 参考訳（メタデータ） (2023-10-22T08:46:40Z) - A Survey of the Impact of Self-Supervised Pretraining for Diagnostic
Tasks with Radiological Images [71.26717896083433]
自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。
本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
論文 参考訳（メタデータ） (2023-09-05T19:45:09Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - Adversarial Attack and Defense for Medical Image Analysis: Methods and
Applications [57.206139366029646]
医用画像解析における対人攻撃と防御の進歩に関する総合的な調査を報告する。
医療画像解析のための異なる種類の敵攻撃のための統一的理論的枠組みと防衛方法を提供する。
公正な比較のために、逆向きに堅牢な診断モデルのための新しいベンチマークを構築した。
論文 参考訳（メタデータ） (2023-03-24T16:38:58Z) - Neurodevelopmental Phenotype Prediction: A State-of-the-Art Deep
Learning Model [0.0]
我々は,新生児の皮質表面データを解析するためにディープニューラルネットワークを適用した。
我々の目標は、神経発達のバイオマーカーを特定し、これらのバイオマーカーに基づいて出生時の妊娠年齢を予測することである。
論文 参考訳（メタデータ） (2022-11-16T11:15:23Z) - Initial Investigations Towards Non-invasive Monitoring of Chronic Wound
Healing Using Deep Learning and Ultrasound Imaging [0.0]
超音波画像における断面創の大きさの深層学習に基づく自動区分けの初期成績を報告する。
我々は,非侵襲的超音波画像の深層学習支援分析が研究の有望な領域であると結論づけた。
論文 参考訳（メタデータ） (2022-01-25T18:12:54Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Preterm infants' pose estimation with spatio-temporal features [7.054093620465401]
本稿では,手足検出・追跡における短期的特徴の活用について紹介する。
手足位置推定の実際の臨床実践で得られた深度ビデオを用いた最初の研究である。
論文 参考訳（メタデータ） (2020-05-08T09:51:22Z) - A survey of statistical learning techniques as applied to inexpensive
pediatric Obstructive Sleep Apnea data [3.1373682691616787]
閉塞性睡眠時無呼吸は小学生の1-5%に影響を及ぼす。
スウィフトの診断と治療は、子供の成長と発達にとって重要であるが、症状の多様性と利用可能なデータの複雑さは、これを困難にしている。
探索データ解析のプロセスにおいて,相関ネットワーク,トポロジカルデータ解析からのMapperアルゴリズム,特異値分解を適用した。
論文 参考訳（メタデータ） (2020-02-17T18:15:32Z)
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。