論文の概要: Assessing deep learning methods for the identification of kidney stones
in endoscopic images
- arxiv url: http://arxiv.org/abs/2103.01146v1
- Date: Mon, 1 Mar 2021 17:31:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-05 06:40:10.169835
- Title: Assessing deep learning methods for the identification of kidney stones
in endoscopic images
- Title(参考訳): 内視鏡画像における腎臓結石同定のための深層学習法の評価
- Authors: Francisco Lopez, Andres Varela, Oscar Hinojosa, Mauricio Mendez,
Dinh-Hoan Trinh, Jonathan ElBeze, Jacques Hubert, Vincent Estrade, Miguel
Gonzalez, Gilberto Ochoa, Christian Daul
- Abstract要約: 腎臓石のタイプ(すなわち生化学組成)を知ることは再発を防ぐために重要である。
尿素コピー中に腎臓結石を断片化し、尿路から抽出し、その組成を形態構成分析を用いて決定する。
本稿では、ディープ畳み込みニューラルネットワーク(DCNN)と従来の(非DCNN)の5つの分類手法について論じ、比較する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Knowing the type (i.e., the biochemical composition) of kidney stones is
crucial to prevent relapses with an appropriate treatment. During
ureteroscopies, kidney stones are fragmented, extracted from the urinary tract,
and their composition is determined using a morpho-constitutional analysis.
This procedure is time consuming (the morpho-constitutional analysis results
are only available after some days) and tedious (the fragment extraction lasts
up to an hour). Identifying the kidney stone type only with the in-vivo
endoscopic images would allow for the dusting of the fragments, while the
morpho-constitutional analysis could be avoided. Only few contributions dealing
with the in vivo identification of kidney stones were published. This paper
discusses and compares five classification methods including deep convolutional
neural networks (DCNN)-based approaches and traditional (non DCNN-based) ones.
Even if the best method is a DCCN approach with a precision and recall of 98%
and 97% over four classes, this contribution shows that a XGBoost classifier
exploiting well-chosen feature vectors can closely approach the performances of
DCNN classifiers for a medical application with a limited number of annotated
data.
- Abstract(参考訳): 腎臓結石のタイプ(生化学組成)を知ることは、適切な治療で再発を予防するために重要である。
尿素コピー中に腎臓結石を断片化し、尿路から抽出し、その組成を形態構成分析を用いて決定する。
この手順は時間を要する(形態構成分析の結果は数日後にのみ利用可能)と退屈な(断片抽出は1時間まで持続する)。
腎結石型を生体内内視鏡像のみで同定することは, 破片の粉塵化を可能とし, 形態・構成分析は避けることができた。
in vivoでの腎臓結石の同定に関する貢献はごくわずかであった。
本稿では、ディープ畳み込みニューラルネットワーク(DCNN)と従来の(非DCNN)の5つの分類手法について論じ、比較する。
ベストメソッドが4つのクラスに対して98%と97%の精度でリコールを行うDCCNアプローチであるとしても、この寄与はXGBoost分類器が良質な特徴ベクトルを利用して、限られたアノテートデータを持つ医療アプリケーションに対するDCNN分類器の性能に近づくことができることを示している。
関連論文リスト
- KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳(メタデータ) (2024-10-28T16:00:42Z) - Evaluating the plausibility of synthetic images for improving automated endoscopic stone recognition [0.9480662172227129]
現在、Morpho-Constitutional Analysis (MCA) は腎臓結石の組織学的診断における事実上のアプローチである。
近年では、内視鏡的石盤認識(ESR)と呼ばれる、そのようなタスクを術中実行することに焦点を当てている。
論文 参考訳(メタデータ) (2024-09-20T11:19:08Z) - Improving Prototypical Parts Abstraction for Case-Based Reasoning Explanations Designed for the Kidney Stone Type Recognition [2.5506430540951763]
尿管鏡による腎結石の同定は、尿学の大きな医学的進歩となる。
近年,尿管鏡画像を用いて腎臓結石のタイプを自動的に認識する深層学習(DL)モデルが提案されている。
このコントリビューションは, 原型部品(PP)を使用し, 局所的および大域的記述子を生成するケースベース推論DLモデルを提案する。
論文 参考訳(メタデータ) (2024-09-19T16:27:32Z) - SegPrompt: Using Segmentation Map as a Better Prompt to Finetune Deep
Models for Kidney Stone Classification [62.403510793388705]
深層学習は、内視鏡画像を用いた腎臓結石分類のための奨励的な結果を生み出している。
注釈付きトレーニングデータの不足は、トレーニングされたモデルの性能と一般化能力を改善する上で深刻な問題を引き起こす。
本稿では,セグメンテーションマップを2つの側面から活用することにより,データ不足問題を軽減するためにSegPromptを提案する。
論文 参考訳(メタデータ) (2023-03-15T01:30:48Z) - Boosting Kidney Stone Identification in Endoscopic Images Using Two-Step
Transfer Learning [0.8431877864777444]
提案手法は,CCDカメラで取得した腎臓結石の画像に基づいて得られた知識を,内視鏡画像から画像を分類する最終モデルに伝達する。
その結果、類似した情報を持つ異なる領域からの学習特徴が、実環境における分類を行うモデルの性能向上に有効であることが示唆された。
論文 参考訳(メタデータ) (2022-10-24T23:22:22Z) - Interpretable Deep Learning Classifier by Detection of Prototypical
Parts on Kidney Stones Images [0.9236074230806579]
現在、関連する前生検(形態構成分析(MCA)として知られる)は、時間がかかり、高価であり、多くの経験を必要とする。
生体内内視鏡による石の認識のための機械学習手法が開発されている。
提案手法は腎臓結石像の分類を提案し, MCA法と類似した説明を提供する。
論文 参考訳(メタデータ) (2022-06-01T06:32:31Z) - Deep morphological recognition of kidney stones using intra-operative
endoscopic digital videos [0.30382867467444796]
レーザーによる尿石の断片化は、現在最も確立された外科的介入であり、標的石の形態を破壊する可能性がある。
本研究は,石の形態的特徴の自動認識のための完全デジタル内視鏡映像シーケンスの処理性能と付加価値を評価するものである。
論文 参考訳(メタデータ) (2022-05-12T13:58:57Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-24T18:58:40Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z)
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。