論文の概要: Automated Pulmonary Embolism Detection from CTPA Images Using an
End-to-End Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2111.05506v1
- Date: Wed, 10 Nov 2021 03:01:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 15:02:26.519699
- Title: Automated Pulmonary Embolism Detection from CTPA Images Using an
End-to-End Convolutional Neural Network
- Title（参考訳）: 終端畳み込みニューラルネットワークを用いたCTPA画像からの肺塞栓の自動検出
- Authors: Yi Lin, Jianchao Su, Xiang Wang, Xiang Li, Jingen Liu, Kwang-Ting
Cheng, Xin Yang
- Abstract要約: 本研究では,肺塞栓症(PE)検出のための終末から終末までトレーニング可能な畳み込みニューラルネットワーク(CNN)を提案する。
本システムでは,0mm,2mm,5mmで1体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
- 参考スコア（独自算出の注目度）: 31.58557856188164
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated methods for detecting pulmonary embolisms (PEs) on CT pulmonary
angiography (CTPA) images are of high demand. Existing methods typically employ
separate steps for PE candidate detection and false positive removal, without
considering the ability of the other step. As a result, most existing methods
usually suffer from a high false positive rate in order to achieve an
acceptable sensitivity. This study presents an end-to-end trainable
convolutional neural network (CNN) where the two steps are optimized jointly.
The proposed CNN consists of three concatenated subnets: 1) a novel 3D
candidate proposal network for detecting cubes containing suspected PEs, 2) a
3D spatial transformation subnet for generating fixed-sized vessel-aligned
image representation for candidates, and 3) a 2D classification network which
takes the three cross-sections of the transformed cubes as input and eliminates
false positives. We have evaluated our approach using the 20 CTPA test dataset
from the PE challenge, achieving a sensitivity of 78.9%, 80.7% and 80.7% at 2
false positives per volume at 0mm, 2mm and 5mm localization error, which is
superior to the state-of-the-art methods. We have further evaluated our system
on our own dataset consisting of 129 CTPA data with a total of 269 emboli. Our
system achieves a sensitivity of 63.2%, 78.9% and 86.8% at 2 false positives
per volume at 0mm, 2mm and 5mm localization error.
- Abstract（参考訳）: CT肺血管造影(CTPA)画像から肺塞栓症(PEs)を自動的に検出する方法が要求されている。
既存の方法は、通常、他のステップの能力を考慮せずに、PE候補の検出と偽陽性除去のために別々のステップを使用する。
その結果、ほとんどの既存手法は許容できる感度を達成するために高い偽陽性率に悩まされる。
本研究では,両ステップを協調的に最適化したエンドツーエンドのトレーニング可能な畳み込みニューラルネットワーク(cnn)を提案する。
提案したCNNは3つの連結サブネットから構成される。
1)疑わしいPEを含む立方体を検出するための新しい3D候補提案ネットワーク
2 候補のための固定サイズの容器配置画像表現を生成する3次元空間変換サブネット及び
3)変換された立方体の3つの断面を入力とし、偽陽性を除去する2次元分類ネットワーク。
PEチャレンジから得られた20個のCTPAテストデータセットを用いて,0mm,2mm,5mmの各ボリュームあたりの偽陽性の感度を78.9%,80.7%,80.7%と評価した。
我々は,本システムについて,合計269emboliの129のctpaデータからなる独自のデータセットで評価した。
本システムでは,0mm,2mm,5mmの各体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
関連論文リスト
- Acute ischemic stroke lesion segmentation in non-contrast CT images
using 3D convolutional neural networks [0.0]
非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。
我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2023-01-17T10:39:39Z) - MEDS-Net: Self-Distilled Multi-Encoders Network with Bi-Direction
Maximum Intensity projections for Lung Nodule Detection [5.923156939373596]
放射線科医の診療ワークフローを完全に組み込んだ肺結節検出手法を提案する。
様々な厚さの2方向最大強度投影(MIP)画像とCTスキャンの3Dパッチを併用した。
提案手法はLUNA16データセットの888スキャンで厳格に評価され、CPMスコアは93.6%となった。
論文 参考訳（メタデータ） (2022-10-30T05:55:45Z) - View-Disentangled Transformer for Brain Lesion Detection [50.4918615815066]
より正確な腫瘍検出のためのMRI特徴抽出のための新しいビューディペンタングル変換器を提案する。
まず, 3次元脳スキャンにおいて, 異なる位置の長距離相関を求める。
第二に、トランスフォーマーはスライス機能のスタックを複数の2Dビューとしてモデル化し、これらの機能をビュー・バイ・ビューとして拡張する。
第三に、提案したトランスモジュールをトランスのバックボーンに展開し、脳病変を取り巻く2D領域を効果的に検出する。
論文 参考訳（メタデータ） (2022-09-20T11:58:23Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - Prediction of Lung CT Scores of Systemic Sclerosis by Cascaded
Regression Neural Networks [2.6784615269339076]
本稿では,2つのカスケード型ディープレグレッションニューラルネットワークからなる自動スコアリングフレームワークを提案する。
最初の(3D)ネットワークは、3D CTスキャンで5つの基準値の頭蓋骨の位置を予測することを目的としている。
第2(2D)ネットワークは、結果の2D軸スライスを受け取り、スコアを予測する。
論文 参考訳（メタデータ） (2021-10-15T13:28:12Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。
本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。
本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文 参考訳（メタデータ） (2021-04-04T20:30:14Z) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - Accurate and Efficient Intracranial Hemorrhage Detection and Subtype
Classification in 3D CT Scans with Convolutional and Long Short-Term Memory
Neural Networks [20.4701676109641]
RSNA頭蓋内出血検出のためのシステムについて紹介する。
提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。
最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
論文 参考訳（メタデータ） (2020-08-01T17:28:25Z) - 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)
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。