論文の概要: Attention based CNN-LSTM Network for Pulmonary Embolism Prediction on
Chest Computed Tomography Pulmonary Angiograms
- arxiv url: http://arxiv.org/abs/2107.06276v1
- Date: Tue, 13 Jul 2021 17:58:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-14 14:33:59.036819
- Title: Attention based CNN-LSTM Network for Pulmonary Embolism Prediction on
Chest Computed Tomography Pulmonary Angiograms
- Title（参考訳）: 胸部CT肺血管造影における肺塞栓予測のための注意ベースCNN-LSTMネットワーク
- Authors: Sudhir Suman, Gagandeep Singh, Nicole Sakla, Rishabh Gattu, Jeremy
Green, Tej Phatak, Dimitris Samaras, Prateek Prasanna
- Abstract要約: 肺塞栓症(PE)は最も致命的な心血管疾患の一つである。
PE予測のための2段階注目型CNN-LSTMネットワークを提案する。
本フレームワークはマルチスライス手法を用いて放射線診断プロセスのミラーリングを行う。
- 参考スコア（独自算出の注目度）: 22.62583095023903
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With more than 60,000 deaths annually in the United States, Pulmonary
Embolism (PE) is among the most fatal cardiovascular diseases. It is caused by
an artery blockage in the lung; confirming its presence is time-consuming and
is prone to over-diagnosis. The utilization of automated PE detection systems
is critical for diagnostic accuracy and efficiency. In this study we propose a
two-stage attention-based CNN-LSTM network for predicting PE, its associated
type (chronic, acute) and corresponding location (leftsided, rightsided or
central) on computed tomography (CT) examinations. We trained our model on the
largest available public Computed Tomography Pulmonary Angiogram PE dataset
(RSNA-STR Pulmonary Embolism CT (RSPECT) Dataset, N=7279 CT studies) and tested
it on an in-house curated dataset of N=106 studies. Our framework mirrors the
radiologic diagnostic process via a multi-slice approach so that the accuracy
and pathologic sequela of true pulmonary emboli may be meticulously assessed,
enabling physicians to better appraise the morbidity of a PE when present. Our
proposed method outperformed a baseline CNN classifier and a single-stage
CNN-LSTM network, achieving an AUC of 0.95 on the test set for detecting the
presence of PE in the study.
- Abstract（参考訳）: 米国では年間6万人以上の死亡があり、肺塞栓症(pe)は最も致命的な心血管疾患の1つである。
肺の動脈閉塞によって引き起こされ、その存在確認は時間がかかり、過度に診断されやすい。
自動pe検出システムの利用は診断の正確性と効率に重要である。
本研究では,PE,関連型(時系列,急性)およびそれに対応する位置(左サイド,右サイド,中央)をCT検査で予測するための2段階注目型CNN-LSTMネットワークを提案する。
今回我々は,最大の公共用ct肺血管造影peデータセット (rsna-str pulmonary embolism ct (rspect) dataset, n=7279 ct study) を用いて実験を行った。
本枠組みは, 肺塞栓の診断過程をマルチスライス法により反映し, 肺塞栓の精度と病理組織学的予後を慎重に評価し, 医師がPEの病原性を評価するのに役立つ。
提案手法は,ベースラインcnn分類器と単段cnn-lstmネットワークを上回り,試験セット上で0.95 %の auc を達成し,pe の存在を検知した。
関連論文リスト
- PECon: Contrastive Pretraining to Enhance Feature Alignment between CT
and EHR Data for Improved Pulmonary Embolism Diagnosis [0.8213829427624407]
コントラスト学習(PECon)を用いた肺塞栓症検出法を提案する。
PEConは、患者のCTスキャンとEHRデータの両方を利用する教師付きコントラスト事前訓練戦略である。
その結果,提案手法は既存の手法より優れており,RadFusionデータセット上での最先端性能を実現していることがわかった。
論文 参考訳（メタデータ） (2023-08-27T09:07:26Z) - Predicting Pulmonary Hypertension by Electrocardiograms Using Machine
Learning [0.0]
肺高血圧症(英: lung hypertension, PH)は、肺と心臓の右側の動脈に影響を及ぼす高血圧の病態である。
このプロジェクトの目的は、ECG信号を処理し、信頼確率でPHの存在を検出するニューラルネットワークモデルを作成することである。
論文 参考訳（メタデータ） (2023-04-24T21:00:16Z) - Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms [8.112976210963243]
本稿では,コンピュータビジョンと深部ニューラルネットワークを効果的に組み合わせ,肺塞栓症検出のためのディープラーニングベースのアプローチを提案する。
本手法は, 解剖学的構造の自動検出, 2) 解剖学的事前訓練, 神経学, 3) PE検出のための二重ホップディープネットの3つの軸に沿って, 新規な改良を特徴とする。
論文 参考訳（メタデータ） (2023-03-30T17:58:52Z) - Convolutional Neural Network for Early Pulmonary Embolism Detection via
Computed Tomography Pulmonary Angiography [0.0]
本研究の目的は,肺塞栓症(PE)患者を対象としたコンピュータ支援検出システムの開発である。
提案したCADシステムは,PE患者と非PE患者を区別し,自動的にPE病変をラベル付けする。
論文 参考訳（メタデータ） (2022-04-07T04:16:11Z) - 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) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - 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) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - Automatic Diagnosis of Pulmonary Embolism Using an Attention-guided
Framework: A Large-scale Study [5.4009326643013065]
肺塞栓症 (PE) は、高い死亡率と致死性を伴う致命的な疾患である。
胸部CTでPEを検出するための深層学習モデルについて, 2段階のトレーニング戦略を用いて検討した。
論文 参考訳（メタデータ） (2020-05-29T20:46:24Z) - Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。
コンピュータ支援診断システムは診断精度を向上させる可能性を示した。
本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文 参考訳（メタデータ） (2020-05-28T10:54:34Z)
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。