論文の概要: Detecting Hypo-plastic Left Heart Syndrome in Fetal Ultrasound via Disease-specific Atlas Maps

• arxiv url: http://arxiv.org/abs/2107.02643v1
• Date: Tue, 6 Jul 2021 14:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-07 13:51:11.567759
• Title: Detecting Hypo-plastic Left Heart Syndrome in Fetal Ultrasound via Disease-specific Atlas Maps
• Title（参考訳）: 胎児超音波像における低形成性左心症候群の検出
• Authors: Samuel Budd, Matthew Sinclair, Thomas Day, Athanasios Vlontzos, Jeremy Tan, Tianrui Liu, Jaqueline Matthew, Emily Skelton, John Simpson, Reza Razavi, Ben Glocker, Daniel Rueckert, Emma C. Robinson, Bernhard Kainz
• Abstract要約: 低形成性左心症候群の自動診断のための解釈可能なアトラス・ラーニング・セグメンテーション法を提案する。 本稿では,最近導入された画像・空間トランスフォーマーネットワーク(Atlas-ISTN)を,感作アトラスの病原体生成を可能にするフレームワークに拡張することを提案する。
• 参考スコア（独自算出の注目度）: 18.37280146564769
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fetal ultrasound screening during pregnancy plays a vital role in the early detection of fetal malformations which have potential long-term health impacts. The level of skill required to diagnose such malformations from live ultrasound during examination is high and resources for screening are often limited. We present an interpretable, atlas-learning segmentation method for automatic diagnosis of Hypo-plastic Left Heart Syndrome (HLHS) from a single `4 Chamber Heart' view image. We propose to extend the recently introduced Image-and-Spatial Transformer Networks (Atlas-ISTN) into a framework that enables sensitising atlas generation to disease. In this framework we can jointly learn image segmentation, registration, atlas construction and disease prediction while providing a maximum level of clinical interpretability compared to direct image classification methods. As a result our segmentation allows diagnoses competitive with expert-derived manual diagnosis and yields an AUC-ROC of 0.978 (1043 cases for training, 260 for validation and 325 for testing).
• Abstract（参考訳）: 妊娠中の胎児超音波スクリーニングは、長期間の健康への影響をもたらす胎児奇形を早期に発見する上で重要な役割を担っている。 検査中の生体超音波からこのような奇形を診断するために必要なスキルのレベルは高く、スクリーニングのためのリソースは限られていることが多い。 4室心画像からの低形成性左心症候群(HLHS)の自動診断のための,解釈可能なアトラス・ラーニング・セグメンテーション法を提案する。 本稿では,最近導入された画像・空間トランスフォーマーネットワーク(atlas-istn)を,アトラス生成を疾患に導くフレームワークに拡張することを提案する。 本フレームワークでは,画像分割,登録,アトラス構築,疾患予測を共同で学習し,直接画像分類法と比較して,臨床解釈可能性の最大レベルを提供する。 その結果,有識者による手技診断と競合する診断が可能となり,AUC-ROCが0.978(トレーニング1043例,バリデーション260例,テスト325例)となった。

関連論文リスト

• Generative Adversarial Networks in Ultrasound Imaging: Extending Field of View Beyond Conventional Limits [1.6588671405657123]
  TTE超音波イメージングは、特に視野(FoV)と解像度のトレードオフなど、固有の限界に直面している。 本稿では,条件付きジェネレーティブ・アドバイザリ・ネットワーク(cGAN)の新たな応用について紹介する。 提案したcGANアーキテクチャーはエコーGANと呼ばれ、アウトペイントにより現実的な解剖学的構造を生成する能力を示す。
  論文  参考訳（メタデータ） (2024-05-31T16:26:30Z)
• Atrial Septal Defect Detection in Children Based on Ultrasound Video Using Multiple Instances Learning [14.62565592495898]
  本稿では,心房中隔欠損診断を支援するための心エコー画像に基づく深層学習手法を提案する。 心房中隔(subAS)と低中隔4区画(LPS4C)の2つの標準ビューをASDを同定する2つのビューとして選択した。 ASD検出では,89.33 AUC,84.95精度,85.70感度,81.51特異度,81.99F1スコアが得られた。
  論文  参考訳（メタデータ） (2023-06-06T16:25:29Z)
• Generation of Artificial CT Images using Patch-based Conditional Generative Adversarial Networks [0.0]
  本稿では,条件付き判別器を用いた生成対向ネットワークを用いた画像生成手法を提案する。 心電図(CT)画像におけるGAN強調医用画像生成の可能性について検討した。
  論文  参考訳（メタデータ） (2022-05-19T20:29:25Z)
• 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)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• An interpretable object detection based model for the diagnosis of neonatal lung diseases using Ultrasound images [0.0]
  肺超音波(LUS)は新生児のさまざまな肺疾患の診断とモニタリングにますます利用されている。 異なる呼吸器疾患で見られる混合アーティファクトパターンは、オペレーターによるLUS可読性を制限する可能性がある。 そこで本研究では,特定の肺疾患と容易に関連付けることのできる7つの意義あるLUS特徴を抽出するためのユニークなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-21T01:12:35Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• Learning Differential Diagnosis of Skin Conditions with Co-occurrence Supervision using Graph Convolutional Networks [8.39397743703592]
  臨床画像を用いた皮膚疾患の鑑別診断が可能な深層学習システム(DLS)を提案する。 DLSは, 画像ラベルが不完全である場合に, 複数ラベルの分類タスクとして80以上の条件を定式化する。 本手法は臨床画像136,462枚に示され,分類精度は共起監督の利点が大きいと結論された。
  論文  参考訳（メタデータ） (2020-07-13T20:13:25Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。