論文の概要: Accurate and Generalizable Quantitative Scoring of Liver Steatosis from Ultrasound Images via Scalable Deep Learning

• arxiv url: http://arxiv.org/abs/2110.05664v1
• Date: Tue, 12 Oct 2021 00:52:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-14 04:58:42.860974
• Title: Accurate and Generalizable Quantitative Scoring of Liver Steatosis from Ultrasound Images via Scalable Deep Learning
• Title（参考訳）: スケーラブル深層学習による超音波画像からの肝ステアトーシスの精度と定量評価
• Authors: Bowen Li, Dar-In Tai, Ke Yan, Yi-Cheng Chen, Shiu-Feng Huang, Tse-Hwa Hsu, Wan-Ting Yu, Jing Xiao, Le Lu, Adam P. Harrison
• Abstract要約: 2D超音波は、スクリーニングとモニタリングにおいて最も広く使われている非侵襲的ツールであるが、関連する診断は非常に主観的である。 2次元超音波画像から肝脂肪症の定量的評価のための拡張型ディープラーニング(DL)アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 21.43259331780492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background & Aims: Hepatic steatosis is a major cause of chronic liver disease. 2D ultrasound is the most widely used non-invasive tool for screening and monitoring, but associated diagnoses are highly subjective. We developed a scalable deep learning (DL) algorithm for quantitative scoring of liver steatosis from 2D ultrasound images. Approach & Results: Using retrospectively collected multi-view ultrasound data from 3,310 patients, 19,513 studies, and 228,075 images, we trained a DL algorithm to diagnose steatosis stages (healthy, mild, moderate, or severe) from ultrasound diagnoses. Performance was validated on two multi-scanner unblinded and blinded (initially to DL developer) histology-proven cohorts (147 and 112 patients) with histopathology fatty cell percentage diagnoses, and a subset with FibroScan diagnoses. We also quantified reliability across scanners and viewpoints. Results were evaluated using Bland-Altman and receiver operating characteristic (ROC) analysis. The DL algorithm demonstrates repeatable measurements with a moderate number of images (3 for each viewpoint) and high agreement across 3 premium ultrasound scanners. High diagnostic performance was observed across all viewpoints: area under the curves of the ROC to classify >=mild, >=moderate, =severe steatosis grades were 0.85, 0.90, and 0.93, respectively. The DL algorithm outperformed or performed at least comparably to FibroScan with statistically significant improvements for all levels on the unblinded histology-proven cohort, and for =severe steatosis on the blinded histology-proven cohort. Conclusions: The DL algorithm provides a reliable quantitative steatosis assessment across view and scanners on two multi-scanner cohorts. Diagnostic performance was high with comparable or better performance than FibroScan.
• Abstract（参考訳）: 背景と目的:肝ステアトーシスは慢性肝疾患の主要な原因である。 2D超音波はスクリーニングとモニタリングにおいて最も広く用いられている非侵襲的ツールであるが、関連する診断は非常に主観的である。 2次元超音波画像から肝脂肪症の定量的評価のための拡張型ディープラーニング(DL)アルゴリズムを開発した。 アプローチ&結果:3,310例,19,513例,画像228,075例の多視点超音波データを用いて,超音波診断からステアトーシスステージ(健康,軽度,中等度,重度)を診断するdlアルゴリズムを訓練した。 病理組織学的脂肪細胞パーセンテージの診断と線維スカン診断の1つのサブセットを伴う2つの非盲検・盲検例(147例,112例)で成績が検証された。 我々はまた、スキャナーと視点の信頼性を定量化した。 Bland-Altman and receiver operating characteristic (ROC) を用いて評価した。 DLアルゴリズムは、3つのプレミアム超音波スキャナー間で、適度な数の画像(各視点)と高一致で繰り返し測定を行う。 roc曲線下の領域では>mild,>=moderate,=severe steatosis gradesはそれぞれ0.85, 0.90, 0.93であった。 dlアルゴリズムはフィブロスカンに比較して有意な改善がみられ,非盲検組織学-プロフェンコホート,<severe steatosis on the blinded histology-proven cohortに対して統計的に有意な改善がみられた。 結論: DLアルゴリズムは2つのマルチスキャナーコホートにおけるビューおよびスキャナー間の信頼性の高い定量的ステアトーシス評価を提供する。 診断性能はフィブロスカンと同等かそれ以上であった。

関連論文リスト

• LIDIA: Precise Liver Tumor Diagnosis on Multi-Phase Contrast-Enhanced CT via Iterative Fusion and Asymmetric Contrastive Learning [26.628742010072756]
  LIDIAと命名された多相造影CTを用いたLIver腫瘍DIAgnosisネットワークを現実シナリオとして提案する。 症例は1,921例,8,138例であった。 LIDIAは8種類の病変に対して平均93.6%のAUCを達成し、その効果を実証している。
  論文  参考訳（メタデータ） (2024-07-18T07:00:23Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• A Cascaded Approach for ultraly High Performance Lesion Detection and False Positive Removal in Liver CT Scans [15.352636778576171]
  肝臓がんは世界中で高い死亡率と死亡率を持っている。 CT画像における肝病変の自動検出と分類は、臨床ワークフローを改善する可能性がある。 本研究では,多相CT画像のためのマルチオブジェクトラベリングツールをカスタマイズする。
  論文  参考訳（メタデータ） (2023-06-28T09:11:34Z)
• Deep Learning for Segmentation-based Hepatic Steatosis Detection on Open Data: A Multicenter International Validation Study [5.117364766785943]
  この3段階のAIワークフローは、3D肝セグメンテーション、肝減衰測定、肝脂肪症検出からなる。 ディープラーニングセグメンテーションの平均係数は0.957。 普遍的な検出に採用されれば、このディープラーニングシステムは、早期に非侵襲的で非薬学的な予防的介入を可能にする可能性がある。
  論文  参考訳（メタデータ） (2022-10-27T03:24:52Z)
• Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
  我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。 分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。 これにより3次元広視野CTスキャンが主流となる可能性がある。
  論文  参考訳（メタデータ） (2022-10-13T01:51:29Z)
• 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate Between Papilledema and Optic Disc Drusen [44.754910718620295]
  我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。 1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。 われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
  論文  参考訳（メタデータ） (2021-12-18T17:05:53Z)
• Multi-Modal Active Learning for Automatic Liver Fibrosis Diagnosis based on Ultrasound Shear Wave Elastography [13.13249599000645]
  超音波診断などの非侵襲的診断は肝線維症自動診断(ALFD)において極めて重要である ノイズの多いデータ、アメリカの画像の高価なアノテーションのため、AI(Artificial Intelligence)アプローチの応用はボトルネックに直面する。 本研究では, ALFD のための多モード融合ネットワーク (MMFN-AL) を革新的に提案する。
  論文  参考訳（メタデータ） (2020-11-02T03:05:24Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。