論文の概要: Automated pharyngeal phase detection and bolus localization in videofluoroscopic swallowing study: Killing two birds with one stone?

• arxiv url: http://arxiv.org/abs/2111.04699v1
• Date: Mon, 8 Nov 2021 18:25:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 17:11:37.961993
• Title: Automated pharyngeal phase detection and bolus localization in videofluoroscopic swallowing study: Killing two birds with one stone?
• Title（参考訳）: ビデオフルオロスコピックドローイング研究における咽頭位相自動検出と骨の局在:石で2羽の鳥を殺すか?
• Authors: Andrea Bandini, Sana Smaoui, Catriona M. Steele
• Abstract要約: ビデオフルオロスコープドローイング研究(VFSS)は、ドローイングを評価するための金標準イメージング技術である。 研究者は、摂食の咽頭相を自動的に検出できることを実証した。 本稿では,咽頭位相検出と骨の局在化に弱い教師付きで取り組むディープラーニングフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.4337588659482519
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The videofluoroscopic swallowing study (VFSS) is a gold-standard imaging technique for assessing swallowing, but analysis and rating of VFSS recordings is time consuming and requires specialized training and expertise. Researchers have demonstrated that it is possible to automatically detect the pharyngeal phase of swallowing and to localize the bolus in VFSS recordings via computer vision approaches, fostering the development of novel techniques for automatic VFSS analysis. However, training of algorithms to perform these tasks requires large amounts of annotated data that are seldom available. We demonstrate that the challenges of pharyngeal phase detection and bolus localization can be solved together using a single approach. We propose a deep-learning framework that jointly tackles pharyngeal phase detection and bolus localization in a weakly-supervised manner, requiring only the initial and final frames of the pharyngeal phase as ground truth annotations for the training. Our approach stems from the observation that bolus presence in the pharynx is the most prominent visual feature upon which to infer whether individual VFSS frames belong to the pharyngeal phase. We conducted extensive experiments with multiple convolutional neural networks (CNNs) on a dataset of 1245 VFSS clips from 59 healthy subjects. We demonstrated that the pharyngeal phase can be detected with an F1-score higher than 0.9. Moreover, by processing the class activation maps of the CNNs, we were able to localize the bolus with promising results, obtaining correlations with ground truth trajectories higher than 0.9, without any manual annotations of bolus location used for training purposes. Once validated on a larger sample of participants with swallowing disorders, our framework will pave the way for the development of intelligent tools for VFSS analysis to support clinicians in swallowing assessment.
• Abstract（参考訳）: ビデオフルオロスコピックドローイング研究(VFSS)は、ドローイングを評価するための金標準イメージング技術であるが、VFSS記録の分析と評価には時間がかかり、専門的な訓練と専門知識が必要である。 研究者らは、吸入の咽頭相を自動的に検出し、コンピュータビジョンアプローチによるVFSS記録のボーラスを局在させることで、自動VFSS分析のための新しい技術の開発を促進することができることを示した。 しかし、これらのタスクを実行するアルゴリズムのトレーニングには、ほとんど利用できない大量の注釈付きデータが必要である。 咽頭位相検出と骨の局在化の課題は, 一つのアプローチで同時に解決できることを実証した。 本稿では, 咽頭位相検出と骨の局所化を弱教師付きで共同で行う深層学習フレームワークを提案し, 訓練の真理アノテーションとして咽頭位相の初期および最終フレームのみを必要とする。 我々のアプローチは、咽頭に骨が存在することが最も顕著な視覚的特徴であり、個々のVFSSフレームが咽頭相に属しているかどうかを推測することに由来する。 健常者59名の1245vfssクリップのデータセット上で,複数の畳み込みニューラルネットワーク(cnns)を用いた広範囲な実験を行った。 咽頭相はf1-scoreが0.9以上の値で検出できることを示した。 さらに,CNNのクラスアクティベーションマップを処理することにより,トレーニング目的に使用するボーラス位置のマニュアルアノテーションを使わずに,有望な結果でボラスをローカライズし,0.9以上の真理軌道との相関関係を得ることができた。 摂食障害患者のより大きなサンプルで検証を行えば,VFSS分析のためのインテリジェントなツールを開発するための枠組みが整備され,臨床医の摂食評価を支援する。

関連論文リスト

• Stethoscope-guided Supervised Contrastive Learning for Cross-domain Adaptation on Respiratory Sound Classification [1.690115983364313]
  本稿では、ソースドメインから異なるターゲットドメインに知識を転送するクロスドメイン適応手法を提案する。 特に、個々の領域として異なる聴診器タイプを考慮し、新しい聴診器誘導型教師付きコントラスト学習手法を提案する。 ICBHIデータセットの実験結果から,提案手法はドメイン依存性の低減とICBHIスコア61.71%の達成に有効であることが示された。
  論文  参考訳（メタデータ） (2023-12-15T08:34:31Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Deep denoising autoencoder-based non-invasive blood flow detection for arteriovenous fistula [10.030431512848239]
  本稿では,DAE(Deep Denoising Autoencoder)に基づく次元削減と再構成作業を行う手法を提案する。 以上の結果から,DAEが生み出す潜伏表現は0.93の精度で予測を上回った。 ノイズ・ミキシングの導入とノイズ・トゥ・クリーン・スキームの利用により、潜在表現の識別能力が効果的に向上する。
  論文  参考訳（メタデータ） (2023-06-12T04:46:01Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Attend Who is Weak: Pruning-assisted Medical Image Localization under Sophisticated and Implicit Imbalances [102.68466217374655]
  ディープニューラルネットワーク(DNN)は、医療画像理解タスクのテキストファクト選択として急速に普及している。 本稿では,プルーニングを用いてテキスト・ハード・トゥ・ラーン(HTL)学習サンプルを自動かつ適応的に識別する手法を提案する。 また、HTLが複雑な人口動態の不均衡を捉える能力を示す興味深い統計分析も提示する。
  論文  参考訳（メタデータ） (2022-12-06T00:32:03Z)
• Exploring traditional machine learning for identification of pathological auscultations [0.39577682622066246]
  各種機械学習シナリオにおいて,45例のデジタル6チャンネル聴取を行った。 目的は,正常な肺と異常な肺の音を区別することであった。 監視されていないモデルよりも一貫した優位性を示した。
  論文  参考訳（メタデータ） (2022-09-01T18:03:21Z)
• Ensembling Handcrafted Features with Deep Features: An Analytical Study for Classification of Routine Colon Cancer Histopathological Nuclei Images [13.858624044986815]
  我々は,F1-measure,Precision,Recall,AUC,Cross-Entropy Lossを用いて,提案手法の性能解析を行った。 以上の結果から,DL特徴のアンサンブルがモデル全体の性能を著しく向上させることが明らかとなった。
  論文  参考訳（メタデータ） (2022-02-22T06:48:50Z)
• 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)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。