論文の概要: Online Domain Adaptation for Continuous Cross-Subject Liver Viability Evaluation Based on Irregular Thermal Data

• arxiv url: http://arxiv.org/abs/2011.12408v1
• Date: Tue, 24 Nov 2020 21:42:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 12:45:44.369208
• Title: Online Domain Adaptation for Continuous Cross-Subject Liver Viability Evaluation Based on Irregular Thermal Data
• Title（参考訳）: 不規則熱データに基づく連続的クロスオブジェクト肝生存度評価のためのオンラインドメイン適応
• Authors: Sahand Hajifar and Hongyue Sun
• Abstract要約: 本研究は, 純肝領域の熱的不規則なデータと, 新しい肝の生存率をリアルタイムに評価するために, クロスオブジェクト肝評価情報を用いている。 提案手法を肝調達データに適用し,肝生存率を正確に評価した。
• 参考スコア（独自算出の注目度）: 0.47267770920095525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate evaluation of liver viability during its procurement is a challenging issue and has traditionally been addressed by taking invasive biopsy on liver. Recently, people have started to investigate on the non-invasive evaluation of liver viability during its procurement using the liver surface thermal images. However, existing works include the background noise in the thermal images and do not consider the cross-subject heterogeneity of livers, thus the viability evaluation accuracy can be affected. In this paper, we propose to use the irregular thermal data of the pure liver region, and the cross-subject liver evaluation information (i.e., the available viability label information in cross-subject livers), for the real-time evaluation of a new liver's viability. To achieve this objective, we extract features of irregular thermal data based on tools from graph signal processing (GSP), and propose an online domain adaptation (DA) and classification framework using the GSP features of cross-subject livers. A multiconvex block coordinate descent based algorithm is designed to jointly learn the domain-invariant features during online DA and learn the classifier. Our proposed framework is applied to the liver procurement data, and classifies the liver viability accurately.
• Abstract（参考訳）: 調達時の肝生存率の正確な評価は難しい問題であり、伝統的に肝への浸潤生検によって対処されてきた。 近年, 肝表面の熱画像を用いて, 肝臓の生存率を非侵襲的に評価する研究が始まっている。 しかし、既存の作品では熱画像の背景ノイズが含まれており、肝の異種性を考慮していないため、生存率の評価精度に影響を及ぼす可能性がある。 そこで本研究では, 肝領域の異常な熱データと, クロスオブジェクト肝評価情報(すなわち, クロスオブジェクト肝における可視性ラベル情報)を, 新しい肝の可視性評価のリアルタイム評価に利用することを提案する。 この目的を達成するために,グラフ信号処理(GSP)からツールに基づいた不規則熱データの特徴を抽出し,クロスオブジェクト肝臓のGSP特徴を用いたオンラインドメイン適応(DA)および分類フレームワークを提案する。 マルチ凸ブロック座標降下に基づくアルゴリズムは、オンラインda中にドメイン不変な特徴を学習し、分類器を学習するように設計されている。 提案手法は肝調達データに適用し,肝臓の生存率を正確に分類する。

関連論文リスト

• Deep Learning-Based Automatic Delineation of Liver Domes in kV Triggered Images for Online Breath-hold Reproducibility Verification of Liver Stereotactic Body Radiation Therapy [0.0]
  定位体放射線療法(SBRT)は、肝癌および肝転移に対する、正確かつ最小限の侵襲的治療方法である。 現在の方法では、kVトリガー画像から肝ドームの位置を手動で検証する必要があることが多い。 そこで本研究では,kV平面画像から肝ドームを自動的に切り離す深層学習パイプラインの実証実験を提案する。
  論文  参考訳（メタデータ） (2024-11-22T19:30:40Z)
• CirrMRI600+: Large Scale MRI Collection and Segmentation of Cirrhotic Liver [1.3157208364269697]
  肝硬変 (肝硬変) は, 肝疾患終末期の肝硬変であり, 広範な線維化と結節再生を特徴とする。 末期硬変の早期診断と治療は重要な臨床課題である。 Deep Learning (DL)は、MRIスキャンで肝硬変を自動分類し、認識するための有望なソリューションを提供する。 CirrMRI600+は肝硬変に対する注釈付きセグメンテーションラベルを用いた腹部MRIの広範なデータセットである。
  論文  参考訳（メタデータ） (2024-10-06T20:24:41Z)
• Liver Fat Quantification Network with Body Shape [4.642852520437342]
  生体形状のみを用いて肝脂肪の割合を推定するディープニューラルネットワークを提案する。 提案手法は,フレキシブルベースラインネットワークと軽量アテンションモジュールから構成される。 その結果,Root平均二乗誤差(RMSE)が5.26%,R-二乗値が0.8。
  論文  参考訳（メタデータ） (2024-05-18T20:22:22Z)
• 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)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• 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)
• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• 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)

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。