論文の概要: Fibro-CoSANet: Pulmonary Fibrosis Prognosis Prediction using a Convolutional Self Attention Network

• arxiv url: http://arxiv.org/abs/2104.05889v1
• Date: Tue, 13 Apr 2021 01:44:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 13:38:36.164062
• Title: Fibro-CoSANet: Pulmonary Fibrosis Prognosis Prediction using a Convolutional Self Attention Network
• Title（参考訳）: Fibro-CoSANet: Convolutional Self Attention Network を用いた肺線維症予後予測
• Authors: Zabir Al Nazi, Fazla Rabbi Mashrur, Md Amirul Islam, Shumit Saha
• Abstract要約: 特発性肺線維症(IPF)は肺組織障害による肺機能低下を引き起こす間質性肺疾患である。 本稿では,新しいエンドツーエンドのマルチモーダル学習ベースのアプローチであるFibro-CoSANetを提案する。
• 参考スコア（独自算出の注目度）: 6.455738253742997
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Idiopathic pulmonary fibrosis (IPF) is a restrictive interstitial lung disease that causes lung function decline by lung tissue scarring. Although lung function decline is assessed by the forced vital capacity (FVC), determining the accurate progression of IPF remains a challenge. To address this challenge, we proposed Fibro-CoSANet, a novel end-to-end multi-modal learning-based approach, to predict the FVC decline. Fibro-CoSANet utilized CT images and demographic information in convolutional neural network frameworks with a stacked attention layer. Extensive experiments on the OSIC Pulmonary Fibrosis Progression Dataset demonstrated the superiority of our proposed Fibro-CoSANet by achieving the new state-of-the-art modified Laplace Log-Likelihood score of -6.68. This network may benefit research areas concerned with designing networks to improve the prognostic accuracy of IPF. The source-code for Fibro-CoSANet is available at: \url{https://github.com/zabir-nabil/Fibro-CoSANet}.
• Abstract（参考訳）: 特発性肺線維症(IPF)は肺組織障害による肺機能低下を引き起こす間質性肺疾患である。 肺機能低下は強制活力(FVC)によって評価されるが,IPFの正確な進行を判断することは依然として困難である。 この課題に対処するため、我々はFVCの減少を予測するために、新しいエンドツーエンドのマルチモーダル学習ベースのアプローチであるFibro-CoSANetを提案した。 fibro-cosanetは重ねられた注意層を持つ畳み込みニューラルネットワークフレームワークでct画像と人口統計情報を利用した。 また,OSIC肺線維化進展データセットの広範囲な実験により,最新の改良Laplace Log-Likelihoodスコアの6.68を達成し,提案したFibro-CoSANetの優位性を示した。 このネットワークは、IPFの予後精度を向上させるためにネットワークの設計に関わる研究領域に恩恵をもたらす可能性がある。 Fibro-CoSANetのソースコードは: \url{https://github.com/zabir-nabil/Fibro-CoSANet}で入手できる。

関連論文リスト

• Fuzzy Attention-based Border Rendering Network for Lung Organ Segmentation [12.239237740592639]
  本稿では,Fizzy Attention-based Border Rendering (FABR) ネットワークを用いた肺臓器分割法を提案する。 FABRでは, 肺臓器領域を立方体木として表現し, リサイクルサンプリングされた境界脆弱点のみに着目した。 気道および動脈の4つの挑戦的データセットを用いた実験結果から,本手法が良好な性能を発揮することを示す。
  論文  参考訳（メタデータ） (2024-06-23T18:47:51Z)
• COPD-FlowNet: Elevating Non-invasive COPD Diagnosis with CFD Simulations [0.9012198585960443]
  COPDFlowNetは, COPD患者の気管に特異的なCFD速度場画像を生成する。 COPDFlowNetは独自の畳み込みニューラルネットワーク(CNN)アーキテクチャを導入し、障害サイトの位置を予測する。
  論文  参考訳（メタデータ） (2023-12-17T15:09:20Z)
• Automatic segmentation of lung findings in CT and application to Long COVID [38.69538648742266]
  S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。 S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
  論文  参考訳（メタデータ） (2023-10-13T23:42:43Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Airway measurement by refinement of synthetic images improves mortality prediction in idiopathic pulmonary fibrosis [1.3290985445255554]
  我々は,私たちのモデルであるエアウェイ・トランスファー・ネットワーク(ATN)をトレーニングするために,知覚的損失を用いたスタイル伝達による気道合成を提案する。 ATNは最先端のGANベースネットワーク(simGAN)よりも高速で訓練が容易であった。 ATNベースの気道測定は、IPF CT上のsimGAN由来気道測定値よりも一貫して死亡率の予測因子であることが判明した。
  論文  参考訳（メタデータ） (2022-08-30T10:48:48Z)
• FastCPH: Efficient Survival Analysis for Neural Networks [57.03275837523063]
  我々は,線形時間で動作する新しい手法であるFastCPHを提案し,連結イベントに対する標準的なBreslow法とEfron法の両方をサポートする。 また,FastCPHとLassoNetの併用による特徴空間の解釈性も実証した。
  論文  参考訳（メタデータ） (2022-08-21T03:35:29Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。