論文の概要: Revealing unforeseen diagnostic image features with deep learning by
detecting cardiovascular diseases from apical four-chamber ultrasounds
- arxiv url: http://arxiv.org/abs/2110.12915v1
- Date: Mon, 25 Oct 2021 12:53:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-26 15:15:26.592384
- Title: Revealing unforeseen diagnostic image features with deep learning by
detecting cardiovascular diseases from apical four-chamber ultrasounds
- Title（参考訳）: 心血管疾患検出による深達度学習による予期せぬ診断像の検索
- Authors: Li-Hsin Cheng, Pablo B.J. Bosch, Rutger F.H. Hofman, Timo B.
Brakenhoff, Eline F. Bruggemans, Rob J. van der Geest, Eduard R. Holman
- Abstract要約: 左室機能障害(LV)と大動脈弁閉鎖不全(AV)の自動検出のための深層学習法(DL)を開発した。
2つの畳み込みニューラルネットワーク(CNN)を個別に訓練し,各疾患の正常症例に対する分類を行った。
障害型LV機能検出モデルの総合分類精度は86%, AV修復検出モデルでは83%であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background. With the rise of highly portable, wireless, and low-cost
ultrasound devices and automatic ultrasound acquisition techniques, an
automated interpretation method requiring only a limited set of views as input
could make preliminary cardiovascular disease diagnoses more accessible. In
this study, we developed a deep learning (DL) method for automated detection of
impaired left ventricular (LV) function and aortic valve (AV) regurgitation
from apical four-chamber (A4C) ultrasound cineloops and investigated which
anatomical structures or temporal frames provided the most relevant information
for the DL model to enable disease classification.
Methods and Results. A4C ultrasounds were extracted from 3,554
echocardiograms of patients with either impaired LV function (n=928), AV
regurgitation (n=738), or no significant abnormalities (n=1,888). Two
convolutional neural networks (CNNs) were trained separately to classify the
respective disease cases against normal cases. The overall classification
accuracy of the impaired LV function detection model was 86%, and that of the
AV regurgitation detection model was 83%. Feature importance analyses
demonstrated that the LV myocardium and mitral valve were important for
detecting impaired LV function, while the tip of the mitral valve anterior
leaflet, during opening, was considered important for detecting AV
regurgitation.
Conclusion. The proposed method demonstrated the feasibility of a 3D CNN
approach in detection of impaired LV function and AV regurgitation using A4C
ultrasound cineloops. The current research shows that DL methods can exploit
large training data to detect diseases in a different way than conventionally
agreed upon methods, and potentially reveal unforeseen diagnostic image
features.
- Abstract（参考訳）: 背景。
高ポータブル、ワイヤレス、低コストの超音波デバイスと自動超音波取得技術が台頭し、入力として限られたビューのみを必要とする自動解釈法により、予備的な心血管疾患の診断が容易になった。
本研究では,心尖部四チャンバー(a4c)超音波シネループから左室機能障害(lv)と大動脈弁(av)の弁逆流を自動検出する深層学習(dl)法を考案し,dlモデルに最も関連のある解剖学的構造や時間的枠組みがどのような情報を提供し,疾患分類を可能にするかを検討した。
方法と結果。
心肺機能障害 (n=928), AV閉鎖不全 (n=738), あるいは有意な異常 (n=1,888), の3,554例からA4C超音波を抽出した。
2つの畳み込みニューラルネットワーク(CNN)を個別に訓練し,各疾患の正常症例に対する分類を行った。
lv機能検出モデルの全体的な分類精度は86%であり,avリグルゲーション検出モデルの分類精度は83%であった。
LV心筋と僧帽弁は損傷したLV機能を検出するのに重要であり,開開中は僧帽弁前葉の先端がAV再灌流を検出するのに重要であると考えられた。
結論だ
提案手法は,A4C超音波シネループを用いた3次元CNNによるLV機能障害検出とAV再生の実現可能性を示した。
最近の研究では、dl法は従来の方法と異なる方法で病気を検出するために大きなトレーニングデータを利用することができ、予期せぬ診断画像の特徴が明らかにされる可能性がある。
関連論文リスト
- 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) - Using Spatio-Temporal Dual-Stream Network with Self-Supervised Learning
for Lung Tumor Classification on Radial Probe Endobronchial Ultrasound Video [0.0]
肺がんの生検の過程で、医師はリアルタイム超音波画像を使用して、サンプリングに適した病変を見つける。
これまでの研究では良性肺病変と悪性肺病変を効果的に区別するために2D畳み込みニューラルネットワークを用いてきた。
本研究では,3次元ニューラルネットワークに基づく自動診断システムを設計する。
論文 参考訳（メタデータ） (2023-05-04T10:39:37Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - Automatic Diagnosis of Carotid Atherosclerosis Using a Portable Freehand
3D Ultrasound Imaging System [18.73291257371106]
計127個の頸動脈スキャンを携帯型3DUSシステムを用いて取得した。
U-Netセグメンテーションネットワークを用いて2次元横枠上の頸動脈を抽出した。
頸動脈容積を再構築するために, 位置正則化を用いた高速ドット投影法(FDP)を用いた新しい3次元再構成法を提案した。
論文 参考訳（メタデータ） (2023-01-08T17:35:36Z) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳（メタデータ） (2022-01-31T14:27:35Z) - An Automatic Detection Method Of Cerebral Aneurysms In Time-Of-Flight
Magnetic Resonance Angiography Images Based On Attention 3D U-Net [17.556541347902638]
破裂した脳動脈瘤によるくも膜下出血はしばしば致命的な結果をもたらす。
飛行時磁気共鳴血管造影は、脳動脈瘤の非侵襲的スクリーニング技術として最もよく用いられる。
深層学習技術の動脈瘤検出への応用は、動脈瘤のスクリーニング効果を効果的に向上させることができる。
論文 参考訳（メタデータ） (2021-10-26T02:45:15Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Automatic Breast Lesion Detection in Ultrafast DCE-MRI Using Deep
Learning [0.0]
超高速DCE-MRIにおける乳房病変検出のためのディープラーニングによるコンピュータ支援検出(CADe)手法を提案する。
動的取得の初期段階から得られる3次元空間情報と時間情報の両方を用いる。
論文 参考訳（メタデータ） (2021-02-07T22:03:39Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - 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) - 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)
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。