論文の概要: Fusing Medical Image Features and Clinical Features with Deep Learning
for Computer-Aided Diagnosis
- arxiv url: http://arxiv.org/abs/2103.05855v1
- Date: Wed, 10 Mar 2021 03:37:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 14:59:50.180722
- Title: Fusing Medical Image Features and Clinical Features with Deep Learning
for Computer-Aided Diagnosis
- Title（参考訳）: コンピュータ診断のための深層学習と医用画像の特徴と臨床特徴の融合
- Authors: Songxiao Yang, Xiabi Liu, Zhongshu Zheng, Wei Wang, Xiaohong Ma
- Abstract要約: 本稿では,MRI/CT画像と臨床情報を融合した新たな深層学習手法を提案する。
本研究では,アルツハイマー病診断,軽度認知障害コンバータ予測,肝微小血管浸潤診断への応用について検討した。
- 参考スコア（独自算出の注目度）: 7.99493100852929
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current Computer-Aided Diagnosis (CAD) methods mainly depend on medical
images. The clinical information, which usually needs to be considered in
practical clinical diagnosis, has not been fully employed in CAD. In this
paper, we propose a novel deep learning-based method for fusing Magnetic
Resonance Imaging (MRI)/Computed Tomography (CT) images and clinical
information for diagnostic tasks. Two paths of neural layers are performed to
extract image features and clinical features, respectively, and at the same
time clinical features are employed as the attention to guide the extraction of
image features. Finally, these two modalities of features are concatenated to
make decisions. We evaluate the proposed method on its applications to
Alzheimer's disease diagnosis, mild cognitive impairment converter prediction
and hepatic microvascular invasion diagnosis. The encouraging experimental
results prove the values of the image feature extraction guided by clinical
features and the concatenation of two modalities of features for
classification, which improve the performance of diagnosis effectively and
stably.
- Abstract（参考訳）: 現在のコンピュータ支援診断(CAD)方法は、主に医療画像に依存します。
実用的な臨床診断で考慮する必要がある臨床情報は、CADに完全に採用されていません。
本稿では,mri(mri)/ct画像と診断のための臨床情報を融合した深層学習に基づく新しい手法を提案する。
画像の特徴と臨床特徴を抽出する2つの神経層の経路が実行され、同時に、画像特徴の抽出を導くための注意として臨床特徴が使用される。
最後に、これらの2つの特徴は決定を下すために結合される。
本研究では,アルツハイマー病診断,軽度認知障害コンバータ予測,肝微小血管浸潤診断への応用について検討した。
本研究は, 臨床特徴によって導かれる画像特徴抽出値と, 診断性能を効果的かつ安定的に向上させる2種類の分類特徴の連結性を実証するものである。
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) - DSCENet: Dynamic Screening and Clinical-Enhanced Multimodal Fusion for MPNs Subtype Classification [8.95697172316912]
スライド画像全体(WSI)と臨床情報のマルチモーダル融合に基づくMPNのサブタイプ分類のための動的スクリーニング・臨床拡張ネットワーク(DSCENet)を提案する。
AUCは7.91%,精度は16.89%向上した。
論文 参考訳（メタデータ） (2024-07-11T04:13:58Z) - A Clinical-oriented Multi-level Contrastive Learning Method for Disease Diagnosis in Low-quality Medical Images [4.576524795036682]
コントラスト学習(CL)により誘導される疾患診断法は,病変の特徴表現において有意な優位性を示した。
本稿では,病変の特徴を抽出するためのモデルの能力向上を目的とした,臨床指向型多段階CLフレームワークを提案する。
提案されたCLフレームワークは、EyeQとChest X-rayの2つの公開医療画像データセットで検証されている。
論文 参考訳（メタデータ） (2024-04-07T09:08:14Z) - Empowering Medical Imaging with Artificial Intelligence: A Review of
Machine Learning Approaches for the Detection, and Segmentation of COVID-19
Using Radiographic and Tomographic Images [2.232567376976564]
2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。
X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。
本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
論文 参考訳（メタデータ） (2024-01-13T09:17:39Z) - A Transformer-based representation-learning model with unified
processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。
統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文 参考訳（メタデータ） (2023-06-01T16:23:47Z) - SpineOne: A One-Stage Detection Framework for Degenerative Discs and
Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。
1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文 参考訳（メタデータ） (2021-10-28T12:59:06Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Reduction of Surgical Risk Through the Evaluation of Medical Imaging
Diagnostics [1.1820016828765219]
近年,乳腺癌 (BRCA) 画像のコンピュータ支援診断 (CAD) が研究の活発な領域となっている。
BRCA患者のMRIおよびマンモグラフィー画像に応用したCAD法の現状について概説する。
論文 参考訳（メタデータ） (2020-03-08T17:06:57Z)
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。