論文の概要: Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment
with Deep Learning Computer Vision
- arxiv url: http://arxiv.org/abs/2101.05326v1
- Date: Wed, 13 Jan 2021 20:01:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 10:00:13.176817
- Title: Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment
with Deep Learning Computer Vision
- Title（参考訳）: 深層学習コンピュータビジョンを用いた好酸球性食道炎の診断と表現型評価
- Authors: William Adorno III, Alexis Catalano, Lubaina Ehsan, Hans Vitzhum von
Eckstaedt, Barrett Barnes, Emily McGowan, Sana Syed, Donald E. Brown
- Abstract要約: 好酸球性食道炎(英: eosinophilic esophagitis, eoe)は炎症性食道疾患である。
深部画像分割を用いた好酸球の自動定量手法を提案する。
U-Netモデルと後処理システムを適用して、EoEを診断し、疾患の重症度と進行を記述できる好酸球に基づく統計データを生成する。
- 参考スコア（独自算出の注目度）: 0.7915536524413249
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Eosinophilic Esophagitis (EoE) is an inflammatory esophageal disease which is
increasing in prevalence. The diagnostic gold-standard involves manual review
of a patient's biopsy tissue sample by a clinical pathologist for the presence
of 15 or greater eosinophils within a single high-power field (400x
magnification). Diagnosing EoE can be a cumbersome process with added
difficulty for assessing the severity and progression of disease. We propose an
automated approach for quantifying eosinophils using deep image segmentation. A
U-Net model and post-processing system are applied to generate eosinophil-based
statistics that can diagnose EoE as well as describe disease severity and
progression. These statistics are captured in biopsies at the initial EoE
diagnosis and are then compared with patient metadata: clinical and treatment
phenotypes. The goal is to find linkages that could potentially guide treatment
plans for new patients at their initial disease diagnosis. A deep image
classification model is further applied to discover features other than
eosinophils that can be used to diagnose EoE. This is the first study to
utilize a deep learning computer vision approach for EoE diagnosis and to
provide an automated process for tracking disease severity and progression.
- Abstract（参考訳）: 好酸球性食道炎(英: eosinophilic esophagitis, eoe)は炎症性食道疾患である。
診断用ゴールドスタンダードは、臨床病理医が患者の生検組織サンプルを手動で検査し、1つの高出力フィールド(400倍倍)内に15以上の好酸球が存在することを含む。
EoEの診断は、病気の重症度と進行度を評価するのに困難である。
深部画像分割を用いた好酸球定量化のための自動手法を提案する。
U-Netモデルと後処理システムを適用して、EoEを診断し、疾患の重症度と進行を記述できる好酸球統計を生成する。
これらの統計は、初期EoE診断の生検で取得され、患者メタデータ(臨床および治療表現型)と比較される。
目標は、新しい患者の初期診断における治療計画を導く可能性のある連鎖を見つけることである。
さらに、EoEの診断に使用できる好酸球以外の特徴を発見するために、深層画像分類モデルを適用する。
本研究は,EoE診断にディープラーニングコンピュータビジョンアプローチを利用した最初の研究であり,疾患の重症度と進行を自動追跡するプロセスを提供する。
関連論文リスト
- Cross-organ Deployment of EOS Detection AI without Retraining: Feasibility and Limitation [6.200516824977507]
慢性鼻副鼻腔炎(CRS)は副鼻腔の炎症が持続していることが特徴である。
粘膜免疫応答において重要な要素であるEosは、CRSの重症度と関係している。
好酸球性CRSの診断は、典型的にはHPF当たり10-20 eosの閾値を用いる。
論文 参考訳（メタデータ） (2024-11-24T18:01:13Z) - 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) - Uncertainty Quantification for Eosinophil Segmentation [16.70916787417709]
好酸球性食道炎 (EoE) は有病率が高くなるアレルギー性疾患である。
EoEを診断するためには、病理学者は1つの高出力場(400X倍率)に15以上の好酸球を見つける必要がある。
深部画像分割を用いた好酸球定量化のためのAdorno et al のアプローチの改善を提案する。
論文 参考訳（メタデータ） (2023-09-28T15:49:01Z) - Deep Learning-Based Open Source Toolkit for Eosinophil Detection in
Pediatric Eosinophilic Esophagitis [6.004809895258927]
好酸球性食道炎(英: Eosinophilic Esophagitis, EoE)は、慢性・免疫・抗原性食道疾患である。
我々はオープンソースのツールキットOpen-EoEを開発し、Docker経由で1行のコマンドを使用して、エンドツーエンドのスライドイメージ(WSI)レベル(Eos)を検出する。
論文 参考訳（メタデータ） (2023-08-11T18:18:43Z) - Meta-information-aware Dual-path Transformer for Differential Diagnosis
of Multi-type Pancreatic Lesions in Multi-phase CT [41.199716328468895]
膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。
提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。
以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
論文 参考訳（メタデータ） (2023-03-02T03:34:28Z) - Evaluate underdiagnosis and overdiagnosis bias of deep learning model on
primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。
深層学習は眼底画像を用いたPOAGの検出に広く用いられている。
臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
論文 参考訳（メタデータ） (2023-01-26T18:53:09Z) - Task-oriented Self-supervised Learning for Anomaly Detection in
Electroencephalography [51.45515911920534]
タスク指向型自己教師型学習手法を提案する。
大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。
効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
論文 参考訳（メタデータ） (2022-07-04T13:15:08Z) - Harnessing Artificial Intelligence to Infer Novel Spatial Biomarkers for
the Diagnosis of Eosinophilic Esophagitis [0.0]
好酸球性食道炎 (EoE) は食道過敏症に合併した慢性アレルギー性食道炎の1例である。
食道生検では食道好酸球の密度を計る必要がある。
そこで我々は,無傷好酸球のセマンティックセグメンテーションと基底領域分布に基づいてバイオマーカーを推論する人工知能プラットフォームを開発した。
論文 参考訳（メタデータ） (2022-05-26T18:59:47Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Machine learning approach for biopsy-based identification of
eosinophilic esophagitis reveals importance of global features [0.0]
好酸球性食道炎(英: eosinophilic esophagitis, eoe)は食道粘膜に好酸球が蓄積するアレルギー疾患である。
このプロセスの自動化における大きな課題の1つは、生検の規模に対して小さい特徴を検出することである。
我々は、食道生検を85%の精度で分類できるディープ畳み込みニューラルネットワーク(DCNN)に基づくプラットフォームを開発しました。
論文 参考訳（メタデータ） (2021-01-13T10:38:46Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z)
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。