Fugu-MT 論文翻訳(概要): MRI Images, Brain Lesions and Deep Learning

論文の概要: MRI Images, Brain Lesions and Deep Learning

arxiv url: http://arxiv.org/abs/2101.05091v2
Date: Thu, 14 Jan 2021 15:30:59 GMT
ステータス: 処理完了
システム内更新日: 2021-03-30 13:33:29.994005
Title: MRI Images, Brain Lesions and Deep Learning
Title（参考訳）: MRI画像、脳病変、ディープラーニング
Authors: Darwin Castillo, Vasudevan Lakshminarayanan, Maria J. Rodriguez-Alvarez
Abstract要約: 脳MRI画像のホワイトマター高輝度(WMH)の分類、識別、検出を可能にするシステムおよびアルゴリズムに関する公開文献をレビューします。虚血性および脱髄性病変のセグメント化の最高精度と信頼性を達成するために、ディープラーニングの新しいモデルの研究と提案に絶え間なく成長しています。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Medical brain image analysis is a necessary step in Computer Assisted /Aided Diagnosis (CAD) systems. Advancements in both hardware and software in the past few years have led to improved segmentation and classification of various diseases. In the present work, we review the published literature on systems and algorithms that allow for classification, identification, and detection of White Matter Hyperintensities (WMHs) of brain MRI images specifically in cases of ischemic stroke and demyelinating diseases. For the selection criteria, we used the bibliometric networks. Out of a total of 140 documents we selected 38 articles that deal with the main objectives of this study. Based on the analysis and discussion of the revised documents, there is constant growth in the research and proposal of new models of deep learning to achieve the highest accuracy and reliability of the segmentation of ischemic and demyelinating lesions. Models with indicators (Dice Score, DSC: 0.99) were found, however with little practical application due to the uses of small datasets and lack of reproducibility. Therefore, the main conclusion is to establish multidisciplinary research groups to overcome the gap between CAD developments and their complete utilization in the clinical environment.
Abstract（参考訳）: 医療用脳画像解析はコンピュータ支援/補助診断(CAD)システムにおいて必要なステップである。過去数年間のハードウェアとソフトウェアの進歩は、様々な病気の分類と分類の改善につながった。本稿では,脳梗塞や脱髄疾患の脳mri画像の白質高血圧(wmhs)の分類,同定,検出を可能にするシステムとアルゴリズムに関する論文を概説する。選択基準として,文献ネットワークを用いた。総計140件の文書の中から,本研究の主な目的を扱った38の論文を選定した。改訂された文書の分析と議論に基づき、虚血性病変と脱髄性病変の分節化の精度と信頼性を最大化するために、深層学習の新しいモデルの研究と提案が絶え間なく進められている。指標付きモデル(Dice Score, DSC: 0.99)が発見されたが、小さなデータセットの使用と再現性の欠如により、実用的な応用はほとんどなかった。したがって,CAD開発と臨床環境における完全活用のギャップを克服するために,多分野の研究グループを確立することが主な目的である。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
論文参考訳（メタデータ） (2024-07-31T04:32:43Z)
Deep Learning for Pancreas Segmentation: a Systematic Review [0.5714074111744111]
膵分離のための多くの深層学習モデルが近年提案されている。腹部CTにて小径の膵分画が困難であった。
論文参考訳（メタデータ） (2024-07-23T09:05:23Z)
A Systematic Review of Few-Shot Learning in Medical Imaging [1.049712834719005]
少ないショットの学習技術は、データの不足を減らし、医療画像分析を強化する。この体系的なレビューは、医療画像における数ショット学習の概要を包括的に示すものである。
論文参考訳（メタデータ） (2023-09-20T16:10:53Z)
UniBrain: Universal Brain MRI Diagnosis with Hierarchical Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文参考訳（メタデータ） (2023-09-13T09:22:49Z)
An Empirical Analysis for Zero-Shot Multi-Label Classification on COVID-19 CT Scans and Uncurated Reports [0.5527944417831603]
パンデミックは、医学検査の増加により、放射線学の報告を含む、膨大な構造化されていないデータのリポジトリに繋がった。新型コロナウイルスの自動診断に関するこれまでの研究は、CT(Computed tomography)スキャンと比較して精度が低いにもかかわらず、主にX線画像に焦点を当てていた。本研究では,病院の非構造データを活用し,CTスキャンによって提供される細かな細部を利用して,対照的な視覚言語学習に基づくゼロショット多ラベル分類を行う。
論文参考訳（メタデータ） (2023-09-04T17:58:01Z)
Deep Learning for Computational Cytology: A Survey [12.08083533402352]
完全教師付き,弱教師付き,教師なし,伝達学習など,さまざまなディープラーニング手法を導入する。そこで我々は,公開データセット,評価指標,分類,検出,セグメンテーション,その他の関連タスクを含む多種多様な細胞画像解析アプリケーションを体系的に要約した。
論文参考訳（メタデータ） (2022-02-10T16:22:10Z)
Anomaly Detection in Medical Imaging -- A Mini Review [0.8122270502556374]
本稿では,医療画像における関連異常検出論文の半発掘文献レビューを用いて,アプリケーションをクラスタリングする。主な結果は、ラベル付きデータの必要性を減らすことで、現在の研究が主に動機付けされていることを示している。また、脳MRI領域における多くの研究が成功し、OCTや胸部X線といったさらなる領域への応用の可能性を示している。
論文参考訳（メタデータ） (2021-08-25T11:45:40Z)
What is the State of the Art of Computer Vision-Assisted Cytology? A Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文参考訳（メタデータ） (2021-05-24T13:50:45Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。