Fugu-MT 論文翻訳(概要): Deep Learning Models for Calculation of Cardiothoracic Ratio from Chest Radiographs for Assisted Diagnosis of Cardiomegaly

論文の概要: Deep Learning Models for Calculation of Cardiothoracic Ratio from Chest Radiographs for Assisted Diagnosis of Cardiomegaly

arxiv url: http://arxiv.org/abs/2101.07606v1
Date: Tue, 19 Jan 2021 13:09:29 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 03:15:26.054664
Title: Deep Learning Models for Calculation of Cardiothoracic Ratio from Chest Radiographs for Assisted Diagnosis of Cardiomegaly
Title（参考訳）: 胸部X線写真からの心胸壁比算出のための深層学習モデルによる心肥大診断
Authors: Tanveer Gupte, Mrunmai Niljikar, Manish Gawali, Viraj Kulkarni, Amit Kharat, Aniruddha Pant
Abstract要約: 本研究では,胸部X線写真から心臓胸部比を算出し,心筋の存在を検出する自動法を提案する。結束箱を用いたx線画像の心臓と胸部領域を画定する2つのモデルを開発し,その出力を用いて心拍数を算出した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose an automated method based on deep learning to compute the cardiothoracic ratio and detect the presence of cardiomegaly from chest radiographs. We develop two separate models to demarcate the heart and chest regions in an X-ray image using bounding boxes and use their outputs to calculate the cardiothoracic ratio. We obtain a sensitivity of 0.96 at a specificity of 0.81 with a mean absolute error of 0.0209 on a held-out test dataset and a sensitivity of 0.84 at a specificity of 0.97 with a mean absolute error of 0.018 on an independent dataset from a different hospital. We also compare three different segmentation model architectures for the proposed method and observe that Attention U-Net yields better results than SE-Resnext U-Net and EfficientNet U-Net. By providing a numeric measurement of the cardiothoracic ratio, we hope to mitigate human subjectivity arising out of visual assessment in the detection of cardiomegaly.
Abstract（参考訳）: 本稿では,胸部X線写真から心内膜像の存在を検出するための深層学習に基づく自動手法を提案する。結束箱を用いたx線画像の心臓と胸部領域を画定する2つのモデルを開発し,その出力を用いて心拍数を算出した。保持試験データセットで平均絶対誤差0.0209、特定度0.097で0.08、別病院から独立したデータセットで平均絶対誤差0.018の感度を0.96とする。また,提案手法の3つのセグメンテーションモデルアーキテクチャを比較し,SE-Resnext U-NetやEfficientNet U-Netよりも優れた結果が得られることを示した。心エコー比を数値的に測定することで,視覚的評価から生じるヒトの主観性を軽減することが期待されている。
全文参考訳へのリンク