論文の概要: EchoCP: An Echocardiography Dataset in Contrast Transthoracic
Echocardiography for Patent Foramen Ovale Diagnosis
- arxiv url: http://arxiv.org/abs/2105.08267v1
- Date: Tue, 18 May 2021 04:24:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 23:52:10.933082
- Title: EchoCP: An Echocardiography Dataset in Contrast Transthoracic
Echocardiography for Patent Foramen Ovale Diagnosis
- Title（参考訳）: echocp : コントラスト経胸腔的心エコー図を用いた卵管診断のための心エコー図データセット
- Authors: Tianchen Wang, Zhihe Li, Meiping Huang, Jian Zhuang, Shanshan Bi,
Jiawei Zhang, Yiyu Shi, Hongwen Fei, Xiaowei Xu
- Abstract要約: PFO(Patent foramen ovale)は、心房中隔のアンテロサプリア部分に位置する中隔、小腸と中隔の間の潜在的な分離である。
PFO診断では, 造影心エコー法(cTTE)が, 他と比べ, より堅牢な方法として好まれる。
現在、この重要なトピックの公開データセットはコミュニティには存在しない。
- 参考スコア（独自算出の注目度）: 18.917767003637305
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Patent foramen ovale (PFO) is a potential separation between the septum,
primum and septum secundum located in the anterosuperior portion of the atrial
septum. PFO is one of the main factors causing cryptogenic stroke which is the
fifth leading cause of death in the United States. For PFO diagnosis, contrast
transthoracic echocardiography (cTTE) is preferred as being a more robust
method compared with others. However, the current PFO diagnosis through cTTE is
extremely slow as it is proceeded manually by sonographers on echocardiography
videos. Currently there is no publicly available dataset for this important
topic in the community. In this paper, we present EchoCP, as the first
echocardiography dataset in cTTE targeting PFO diagnosis.
EchoCP consists of 30 patients with both rest and Valsalva maneuver videos
which covers various PFO grades. We further establish an automated baseline
method for PFO diagnosis based on the state-of-the-art cardiac chamber
segmentation technique, which achieves 0.89 average mean Dice score, but only
0.70/0.67 mean accuracies for PFO diagnosis, leaving large room for
improvement. We hope that the challenging EchoCP dataset can stimulate further
research and lead to innovative and generic solutions that would have an impact
in multiple domains. Our dataset is released.
- Abstract（参考訳）: 特許前卵胞(英: patent foramen ovale, pfo)は、心房中隔の反上部に位置する中隔、霊長体、中隔の間の潜在的分離である。
PFOは、米国で5番目に多い死因である暗号化的脳卒中を引き起こす主要な要因の1つである。
PFO診断では, 造影心エコー法(cTTE)が, 他と比べ, より堅牢な方法として好まれる。
しかし,心エコービデオのソノグラフィーが手作業で行うため,cTTEによる現在のPFO診断は極めて遅い。
現在、コミュニティでこの重要なトピックのための公開データセットはありません。
本稿では, PFO 診断をターゲットとした, cTTE における最初の心エコー画像データセットとして EchoCP を提案する。
EchoCPは、安静とValsalva操作ビデオの両方を持つ30の患者で構成される。
さらに, 術中心室セグメンテーション法に基づくpfo診断のベースライン自動決定法を確立し, 平均平均diceスコア 0.89 を得たが, 改善の余地は多く, pfo診断の精度は 0.70/0.67 に留まった。
挑戦的なEchoCPデータセットがさらなる研究を刺激し、複数のドメインに影響を及ぼす革新的で汎用的なソリューションにつながることを期待しています。
データセットがリリースされます。
関連論文リスト
- Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-09T05:57:01Z) - Hierarchical Vision Transformers for Cardiac Ejection Fraction
Estimation [0.0]
本稿では,階層型視覚変換器をベースとした深層学習手法を提案する。
提案手法は,まず左腹腔分画を必要とせずに吐出率を推定できるので,他の方法よりも効率がよい。
論文 参考訳（メタデータ） (2023-03-31T23:42:17Z) - Tensor-based Multimodal Learning for Prediction of Pulmonary Arterial Wedge Pressure from Cardiac MRI [6.21112347271845]
心不全は重篤で生命を脅かす状態であり、左心室の圧力を上昇させる可能性がある。
PAWPは左室の高圧を示す重要な代理マーカーである。
非侵襲的な方法は、人口の多い高リスク患者を迅速に同定するのに有用である。
論文 参考訳（メタデータ） (2023-03-14T00:05:08Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - Segmentation-free Heart Pathology Detection Using Deep Learning [12.065014651638943]
本研究では,新しいセグメンテーションフリー心音分類法を提案する。
具体的には、離散ウェーブレット変換を用いて信号をノイズ化し、続いて特徴抽出と特徴量削減を行う。
サポートベクトルマシンとディープニューラルネットワークは分類に使用される。
論文 参考訳（メタデータ） (2021-08-09T16:09:30Z) - Estimation of atrial fibrillation from lead-I ECGs: Comparison with
cardiologists and machine learning model (CurAlive), a clinical validation
study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。
本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文 参考訳（メタデータ） (2021-04-15T12:50:16Z) - Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。
第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。
第2段階は、心拍を幅または幅に分類する分類NNである。
第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
論文 参考訳（メタデータ） (2020-11-17T16:15:49Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - Neural collaborative filtering for unsupervised mitral valve
segmentation in echocardiography [60.08918310097638]
心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。
本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。
これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
論文 参考訳（メタデータ） (2020-08-13T12:53:26Z) - Left Ventricular Wall Motion Estimation by Active Polynomials for Acute
Myocardial Infarction Detection [18.93271742586598]
本稿では, 左室壁の大域的運動を, 頑健かつ正確な方法で正確に推定できる新しい手法であるActive Polynomialsを提案する。
提案アルゴリズムは,急性MIの早期診断を支援するために,LV壁セグメントに発生する真の壁運動を定量化する。
論文 参考訳（メタデータ） (2020-08-11T10:29:22Z) - 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。