論文の概要: CardiSort: a convolutional neural network for cross vendor automated
sorting of cardiac MR images
- arxiv url: http://arxiv.org/abs/2109.08479v1
- Date: Fri, 17 Sep 2021 11:42:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-20 19:09:32.056078
- Title: CardiSort: a convolutional neural network for cross vendor automated
sorting of cardiac MR images
- Title(参考訳): cardisort: クロスベンダーによる心臓mr画像の自動ソートのための畳み込みニューラルネットワーク
- Authors: Ruth P Lim, Stefan Kachel, Adriana DM Villa, Leighton Kearney, Nuno
Bettencourt, Alistair A Young, Amedeo Chiribiri, Cian M Scannell
- Abstract要約: 両頭畳み込みニューラルネットワーク("CardiSort")は、画像シーケンスと平面によって35のシーケンスを分類するように訓練された。
単ベンダートレーニング (SVT) とマルチベンダートレーニング (MVT) で高次および平面精度が観察された。
一般的なシーケンスと従来の心臓面の精度は高かった。
- 参考スコア(独自算出の注目度): 2.0791118244420757
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objectives: To develop an image-based automatic deep learning method to
classify cardiac MR images by sequence type and imaging plane for improved
clinical post-processing efficiency. Methods: Multi-vendor cardiac MRI studies
were retrospectively collected from 4 centres and 3 vendors. A two-head
convolutional neural network ('CardiSort') was trained to classify 35 sequences
by imaging sequence (n=17) and plane (n=10). Single vendor training (SVT) on
single centre images (n=234 patients) and multi-vendor training (MVT) with
multicentre images (n = 479 patients, 3 centres) was performed. Model accuracy
was compared to manual ground truth labels by an expert radiologist on a
hold-out test set for both SVT and MVT. External validation of MVT
(MVTexternal) was performed on data from 3 previously unseen magnet systems
from 2 vendors (n=80 patients). Results: High sequence and plane accuracies
were observed for SVT (85.2% and 93.2% respectively), and MVT (96.5% and 98.1%
respectively) on the hold-out test set. MVTexternal yielded sequence accuracy
of 92.7% and plane accuracy of 93.0%. There was high accuracy for common
sequences and conventional cardiac planes. Poor accuracy was observed for
underrepresented classes and sequences where there was greater variability in
acquisition parameters across centres, such as perfusion imaging. Conclusions:
A deep learning network was developed on multivendor data to classify MRI
studies into component sequences and planes, with external validation. With
refinement, it has potential to improve workflow by enabling automated sequence
selection, an important first step in completely automated post-processing
pipelines.
- Abstract(参考訳): 目的: 臨床後処理効率を向上させるため, 心臓MRI画像のシーケンシャルタイプと画像平面で分類する画像ベース自動深層学習法を開発する。
方法: 多心室MRI検査は, 4センターと3ベンダーから回顧的に収集した。
画像配列(n=17)と平面(n=10)で35配列を分類する2頭畳み込みニューラルネットワーク('cardisort')を訓練した。
単一センター画像(n=234例)に対するsvt,マルチセンター画像(n=479例,3センター)を用いたマルチベンダ訓練(mvt)を行った。
モデル精度は,SVTおよびMVTの保持試験セットにおいて,専門の放射線技師による手動地上真実ラベルと比較した。
mvt (mvtexternal, mvtexternal) の外部検証は, 2 ベンダ (n=80 例) の未発見磁石システムから得られたデータを用いて行った。
結果: SVT (85.2%, 93.2%), MVT (96.5%, 98.1%) では, 高頻度および平面精度が観察された。
MVTexternalのシーケンス精度は92.7%、平面精度は93.0%であった。
一般的なシーケンスと従来の心臓面の精度は高かった。
灌流画像などの中心領域における取得パラメータの変動が大きいクラスやシーケンスに対して, 粗い精度が観察された。
結論: 深層学習ネットワークは,MRI研究をコンポーネントシーケンスと平面に分類し,外部の検証を行うために,マルチベンダデータに基づいて開発された。
改良によって、完全に自動化された後処理パイプラインにおける重要な第一歩である自動シーケンス選択を有効にすることで、ワークフローを改善する可能性がある。
関連論文リスト
- Breast Ultrasound Tumor Classification Using a Hybrid Multitask
CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。
ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。
本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文 参考訳(メタデータ) (2023-08-04T01:19:32Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - 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) - Phase Recognition in Contrast-Enhanced CT Scans based on Deep Learning
and Random Sampling [0.3670422696827525]
腹部CTスキャンをコントラスト強調の複数の位相で解釈する完全自動システムでは,その位相を正確に分類する必要がある。
本研究の目的は,腹部CTにおける3種類のコントラスト位相を認識するために,高精度で高速な多相分類器を開発し,検証することである。
論文 参考訳(メタデータ) (2022-03-20T18:27:08Z) - Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle
Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。
まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。
提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文 参考訳(メタデータ) (2020-12-24T17:48:35Z) - Fully Automated Left Atrium Segmentation from Anatomical Cine Long-axis
MRI Sequences using Deep Convolutional Neural Network with Unscented Kalman
Filter [0.3344190892270789]
本研究は, 左房セグメンテーションの完全自動化手法を提案する。
提案手法は,長軸配列のタイプを自動的に検出する分類ネットワークと,3種類の畳み込みニューラルネットワークモデルから構成される。
また,20名以上の患者から得られた各チャンバー群の画像数に等しい1515枚以上の画像から,提案したモデルが最先端であることを示した。
論文 参考訳(メタデータ) (2020-09-28T21:06:35Z) - Landmark detection in Cardiac Magnetic Resonance Imaging Using A
Convolutional Neural Network [4.6250189957415255]
この振り返り調査では、2つの病院のcine, LGE, T1マッピングスキャンが実施された。
CNNモデルは、長軸(LAX)画像上の2つの僧帽弁面と尖点を検出するために開発された。
RV挿入角度とLV長に有意な差は認められなかった。
論文 参考訳(メタデータ) (2020-08-14T00:25:59Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - 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) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z) - CNN-CASS: CNN for Classification of Coronary Artery Stenosis Score in
MPR Images [0.0]
MPR画像における狭窄の重症度を同定する自動モデルを開発した。
このモデルは3つのクラスのうちの1つを予測している: 正常の'no stenosis'、検出された'non-significant' - 1-50%の狭窄、'significant' - 50%以上の狭窄。
狭窄スコア分類では, 従来の検査結果と比較して, 80%の精度で精度が向上した。
論文 参考訳(メタデータ) (2020-01-23T15:20:22Z)
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。