論文の概要: An Automatic Detection Method Of Cerebral Aneurysms In Time-Of-Flight Magnetic Resonance Angiography Images Based On Attention 3D U-Net

• arxiv url: http://arxiv.org/abs/2110.13367v1
• Date: Tue, 26 Oct 2021 02:45:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 06:39:59.795117
• Title: An Automatic Detection Method Of Cerebral Aneurysms In Time-Of-Flight Magnetic Resonance Angiography Images Based On Attention 3D U-Net
• Title（参考訳）: 注意3D U-Netを用いた時空磁気共鳴血管造影画像における脳動脈瘤の自動検出法
• Authors: Chen Geng, Meng Chen, Ruoyu Di, Dongdong Wang, Liqin Yang, Wei Xia, Yuxin Li, Daoying Geng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 17.556541347902638
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background:Subarachnoid hemorrhage caused by ruptured cerebral aneurysm often leads to fatal consequences.However,if the aneurysm can be found and treated during asymptomatic periods,the probability of rupture can be greatly reduced.At present,time-of-flight magnetic resonance angiography is one of the most commonly used non-invasive screening techniques for cerebral aneurysm,and the application of deep learning technology in aneurysm detection can effectively improve the screening effect of aneurysm.Existing studies have found that three-dimensional features play an important role in aneurysm detection,but they require a large amount of training data and have problems such as a high false positive rate. Methods:This paper proposed a novel method for aneurysm detection.First,a fully automatic cerebral artery segmentation algorithm without training data was used to extract the volume of interest,and then the 3D U-Net was improved by the 3D SENet module to establish an aneurysm detection model.Eventually a set of fully automated,end-to-end aneurysm detection methods have been formed. Results:A total of 231 magnetic resonance angiography image data were used in this study,among which 132 were training sets,34 were internal test sets and 65 were external test sets.The presented method obtained 97.89% sensitivity in the five-fold cross-validation and obtained 91.0% sensitivity with 2.48 false positives/case in the detection of the external test sets. Conclusions:Compared with the results of our previous studies and other studies,the method in this paper achieves a very competitive sensitivity with less training data and maintains a low false positive rate.As the only method currently using 3D U-Net for aneurysm detection,it proves the feasibility and superior performance of this network in aneurysm detection,and also explores the potential of the channel attention mechanism in this task.
• Abstract（参考訳）: Background:Subarachnoid hemorrhage caused by ruptured cerebral aneurysm often leads to fatal consequences.However,if the aneurysm can be found and treated during asymptomatic periods,the probability of rupture can be greatly reduced.At present,time-of-flight magnetic resonance angiography is one of the most commonly used non-invasive screening techniques for cerebral aneurysm,and the application of deep learning technology in aneurysm detection can effectively improve the screening effect of aneurysm.Existing studies have found that three-dimensional features play an important role in aneurysm detection,but they require a large amount of training data and have problems such as a high false positive rate. 方法:本論文では,脳動脈瘤検出のための新しい手法を提案する。第1に,訓練データを持たない完全自動脳動脈瘤分割アルゴリズムを用いて関心量を抽出するとともに,3次元senetモジュールにより3d u-netを改善し,動脈瘤検出モデルを構築した。 結果:本研究では,132セット,34セット,65セットの計231磁気共鳴血管造影画像データを用いて,5次元交差評価において97.89%の感度を示し,外部テストセットの検出において2.48例の偽陽性率/ケースで91.0%の感度を得た。 結論:本研究の手法は,これまでの研究や研究と対比して,より少ない訓練データで非常に競争力のある感度を得られ,偽陽性率を低く保ちつつ,動脈瘤検出に3d u-netを使用する唯一の手法として,動脈瘤検出におけるこのネットワークの有効性と優れた性能を示すとともに,この課題におけるチャネル注意メカニズムの可能性についても検討する。

関連論文リスト

• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• 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)
• 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)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with impured training data [53.122045119395594]
  トレーニングデータ中の不健康なサンプルが脳MRIスキャンの異常検出性能に与える影響について検討した。 AEの再構成誤差に基づいて,トレーニング中に誤ラベル付きサンプルを直接識別する手法の評価を行った。
  論文  参考訳（メタデータ） (2022-04-12T13:05:18Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Revealing unforeseen diagnostic image features with deep learning by detecting cardiovascular diseases from apical four-chamber ultrasounds [0.0]
  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。
  論文  参考訳（メタデータ） (2021-10-25T12:53:45Z)
• 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)

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。