論文の概要: A method using deep learning to discover new predictors of CRT response
from mechanical dyssynchrony on gated SPECT MPI
- arxiv url: http://arxiv.org/abs/2106.01355v1
- Date: Tue, 1 Jun 2021 15:49:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-05 11:59:52.985896
- Title: A method using deep learning to discover new predictors of CRT response
from mechanical dyssynchrony on gated SPECT MPI
- Title(参考訳): 深層学習を用いたSPECT MPIを用いた機械的不整脈からのCRT応答の新しい予測因子の探索
- Authors: Zhuo He, Xinwei Zhang, Chen Zhao, Zhiyong Qian, Yao Wang, Xiaofeng
Hou, Jiangang Zou, Weihua Zhou
- Abstract要約: 本研究の目的は、ゲートSPECT MPIの位相解析から新しいLVMDパラメータを抽出することである。
CRT反応は左室収縮容積の低下と定義された。
ベースラインゲートSPECT MPIからオートエンコーダによって抽出された新しいLVMDパラメータは、CRT応答の予測を改善する可能性がある。
- 参考スコア(独自算出の注目度): 8.41618722939145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background. Studies have shown that the conventional left ventricular
mechanical dyssynchrony (LVMD) parameters have their own statistical
limitations. The purpose of this study is to extract new LVMD parameters from
the phase analysis of gated SPECT MPI by deep learning to help CRT patient
selection. Methods. One hundred and three patients who underwent rest gated
SPECT MPI were enrolled in this study. CRT response was defined as a decrease
in left ventricular end-systolic volume (LVESV) >= 15% at 6 +- 1 month follow
up. Autoencoder (AE), an unsupervised deep learning method, was trained by the
raw LV systolic phase polar maps to extract new LVMD parameters, called
AE-based LVMD parameters. Correlation analysis was used to explain the
relationships between new parameters with conventional LVMD parameters.
Univariate and multivariate analyses were used to establish a multivariate
model for predicting CRT response. Results. Complete data were obtained in 102
patients, 44.1% of them were classified as CRT responders. AE-based LVMD
parameter was significant in the univariate (OR 1.24, 95% CI 1.07 - 1.44, P =
0.006) and multivariate analyses (OR 1.03, 95% CI 1.01 - 1.06, P = 0.006).
Moreover, it had incremental value over PSD (AUC 0.72 vs. 0.63, LH 8.06, P =
0.005) and PBW (AUC 0.72 vs. 0.64, LH 7.87, P = 0.005), combined with
significant clinic characteristics, including LVEF and gender. Conclusions. The
new LVMD parameters extracted by autoencoder from the baseline gated SPECT MPI
has the potential to improve the prediction of CRT response.
- Abstract(参考訳): 背景。
従来の左室機械的同期(LVMD)パラメータには独自の統計的制限があることが研究で示されている。
本研究の目的は,CRT患者選択を支援するための深層学習により,ゲートSPECT MPIの位相解析から新しいLVMDパラメータを抽出することである。
方法。
SPECT SPECT MPI を施行した患者は 100 名, 3 名であった。
crt反応は6ヶ月+1カ月後に左室末端収縮容積 (lvesv) >=15%の減少と定義した。
教師なしのディープラーニング手法であるAutoencoder (AE) は、生のLVシストリック位相極写像を用いてトレーニングされ、AEベースのLVMDパラメータと呼ばれる新しいLVMDパラメータを抽出した。
新しいパラメータと従来のLVMDパラメータの関係を説明するために相関解析を用いた。
単変量および多変量解析を用いてCRT応答を予測する多変量モデルを構築した。
結果。
完全なデータは102例で得られ、44.1%はCRT応答薬に分類された。
AE-based LVMD parameters was significant in the univariate (OR 1.24, 95% CI 1.07 - 1.44, P = 0.006) and multivariate analysis (OR 1.03, 95% CI 1.01 - 1.06, P = 0.006)。
さらに, PSD (AUC 0.72 vs. 0.63, LH 8.06, P = 0.005) とPBW (AUC 0.72 vs. 0.64, LH 7.87, P = 0.005) を上回り, LVEF や性差など有意な臨床症状が認められた。
結論。
ベースラインゲートSPECT MPIからオートエンコーダによって抽出された新しいLVMDパラメータは、CRT応答の予測を改善する可能性がある。
関連論文リスト
- CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。
我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
論文 参考訳(メタデータ) (2024-01-29T12:56:11Z) - A new method of modeling the multi-stage decision-making process of CRT using machine learning with uncertainty quantification [8.540186345787244]
本研究の目的は、心不全患者に対する心臓再同期療法(CRT)反応を予測するための多段階機械学習モデルを構築することである。
論文 参考訳(メタデータ) (2023-09-15T14:18:53Z) - A new method using deep learning to predict the response to cardiac
resynchronization therapy [5.220522498181878]
本研究の目的は、臨床変数、心電図(ECG)の特徴、および心機能の評価から得られるパラメータと、ゲートSPECT MPIの極地図を組み合わせることである。
DLモデルは、事前訓練されたVGG16モジュールと多層パーセプトロンを組み合わせることで構築された。
DLモデルは平均AUC(0.83)、精度(0.73)、感度(0.76)、特異性(0.69)がMLモデルとガイドライン基準を上回ることを示した。
論文 参考訳(メタデータ) (2023-05-04T00:51:42Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳(メタデータ) (2021-06-04T09:51:27Z) - Comparison of Machine Learning Classifiers to Predict Patient Survival
and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。
GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。
xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文 参考訳(メタデータ) (2021-02-10T15:10:37Z) - Physics-informed neural networks for myocardial perfusion MRI
quantification [3.318100528966778]
本研究では, 心筋灌流MR定量化のための物理インフォームドニューラルネットワーク(PINN)を提案する。
PINNは、基礎となる物理保存法則を尊重しながら、観測された拡散MRデータに適合するように訓練することができる。
論文 参考訳(メタデータ) (2020-11-25T16:02:52Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳(メタデータ) (2020-04-02T21:49:14Z) - Assessing Graph-based Deep Learning Models for Predicting Flash Point [52.931492216239995]
グラフベースのディープラーニング(GBDL)モデルは初めてフラッシュポイントを予測するために実装された。
MPNNの平均R2と平均絶対誤差(MAE)は、それぞれ2.3%低、2.0K高である。
論文 参考訳(メタデータ) (2020-02-26T06:10:12Z) - Improved prediction of soil properties with Multi-target Stacked
Generalisation on EDXRF spectra [1.2599533416395765]
エネルギー分散X線蛍光(EDXRF)は、より迅速で環境に優しい分析手法の一つである。
EDXRFスペクトル分析におけるいくつかの課題は、正確な結果を提供するためのより効率的な方法を必要とする。
MTR(Multi-target Regression)手法を用いることで,複数のパラメータの予測が可能となり,相関パラメータの活用により,全体的な予測性能が向上する。
論文 参考訳(メタデータ) (2020-02-11T11:05:03Z) - Deep learning-based prediction of response to HER2-targeted neoadjuvant
chemotherapy from pre-treatment dynamic breast MRI: A multi-institutional
validation study [0.5149010213385097]
乳がんにおけるネオアジュバント療法の適応予測は, 重篤な課題である。
ディープラーニングは、乳がんの標的治療をガイドするための、効果的で信頼性の高いツールを提供する。
論文 参考訳(メタデータ) (2020-01-22T17:54:24Z)
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。