論文の概要: Early Myocardial Infarction Detection over Multi-view Echocardiography
- arxiv url: http://arxiv.org/abs/2111.05790v1
- Date: Tue, 9 Nov 2021 15:36:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-11 14:07:47.544727
- Title: Early Myocardial Infarction Detection over Multi-view Echocardiography
- Title（参考訳）: 心エコー図による早期心筋梗塞の検出
- Authors: Aysen Degerli, Serkan Kiranyaz, Tahir Hamid, Rashid Mazhar, and Moncef
Gabbouj
- Abstract要約: 心筋梗塞 (MI) は世界有数の死因である。
そこで本研究では,11個の心筋セグメントをMI検出のために解析可能な,apical 4-chamber (A4C) およびapical 2-chamber (A2C) ビューの融合を提案する。
- 参考スコア（独自算出の注目度）: 22.81766862528411
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Myocardial infarction (MI) is the leading cause of mortality in the world
that occurs due to a blockage of the coronary arteries feeding the myocardium.
An early diagnosis of MI and its localization can mitigate the extent of
myocardial damage by facilitating early therapeutic interventions. Following
the blockage of a coronary artery, the regional wall motion abnormality (RWMA)
of the ischemic myocardial segments is the earliest change to set in.
Echocardiography is the fundamental tool to assess any RWMA. Assessing the
motion of the left ventricle (LV) wall only from a single echocardiography view
may lead to missing the diagnosis of MI as the RWMA may not be visible on that
specific view. Therefore, in this study, we propose to fuse apical 4-chamber
(A4C) and apical 2-chamber (A2C) views in which a total of 11 myocardial
segments can be analyzed for MI detection. The proposed method first estimates
the motion of the LV wall by Active Polynomials (APs), which extract and track
the endocardial boundary to compute myocardial segment displacements. The
features are extracted from the A4C and A2C view displacements, which are fused
and fed into the classifiers to detect MI. The main contributions of this study
are 1) creation of a new benchmark dataset by including both A4C and A2C views
in a total of 260 echocardiography recordings, which is publicly shared with
the research community, 2) improving the performance of the prior work of
threshold-based APs by a Machine Learning based approach, and 3) a pioneer MI
detection approach via multi-view echocardiography by fusing the information of
A4C and A2C views. Experimental results show that the proposed method achieves
90.91% sensitivity and 86.36% precision for MI detection over multi-view
echocardiography.
- Abstract（参考訳）: 心筋梗塞 (mi) は、冠状動脈が心筋に供給される障害によって生じる、世界の主要な死亡原因である。
MIの早期診断とその局在化は早期治療による心筋損傷の程度を軽減できる。
冠動脈閉塞後,虚血性心筋セグメントの局所壁運動異常(RWMA)が最初期の変化である。
心エコー図は任意のrwmaを評価するための基本的なツールである。
左心室壁 (LV) の運動を1例の心エコー図でのみ評価すると, 左心室壁の視認が困難であったため, MIの診断に難渋する可能性がある。
そこで本研究では,mi検出のために合計11の心筋セグメントを解析できるfuse apical 4-chamber (a4c) とapical 2-chamber (a2c) ビューを提案する。
提案手法は, 心内膜境界を抽出・追跡し, 心筋セグメント変位を計算する能動ポリノミアル (APs) によるLV壁の運動を推定する。
これらの特徴はA4CとA2Cのビュー変位から抽出され、MIを検出するために融合して分類器に供給される。
この研究の主な貢献は
1)A4CビューとA2Cビューの両方を合計260枚の心エコー記録に含め、新しいベンチマークデータセットを作成し、研究コミュニティに公開している。
2) 機械学習に基づくアプローチによるしきい値ベースAPの先行作業の性能向上
3)a4cとa2cの情報を融合したマルチビュー心エコー法による先駆的mi検出法
実験の結果,マルチビュー心エコー法によるMI検出では90.91%の感度と86.36%の精度が得られた。
関連論文リスト
- Refining Myocardial Infarction Detection: A Novel Multi-Modal Composite Kernel Strategy in One-Class Classification [14.469786240272365]
心筋梗塞(MI)の早期発見は、さらなる損傷を防ぐために不可欠である。
本研究では,心エコー法における一クラス分類法(OCC)を用いた早期MI検出法を提案する。
今回提案したマルチビュー・アプローチは71.24%の幾何学的平均値を達成し,心エコー図に基づくMI診断の大幅な進歩を示唆している。
論文 参考訳（メタデータ） (2024-02-09T16:41:50Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2023-10-09T05:57:01Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳（メタデータ） (2022-08-22T22:01:44Z) - Early Myocardial Infarction Detection with One-Class Classification over
Multi-view Echocardiography [22.479667537086108]
心筋梗塞 (MI) は世界の死亡率と死亡率の主要な原因である。
一級分類法は、特定の対象クラスを検出するモデルを訓練するために用いられる。
マルチモーダルアプローチでは感度は85.23%、F1スコアは80.21%に達する。
論文 参考訳（メタデータ） (2022-04-14T22:21:30Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - Deep Learning methods for automatic evaluation of delayed
enhancement-MRI. The results of the EMIDEC challenge [21.93792387878765]
EMIDECの課題は, 深層学習法が正常症例と病理症例とを区別できるかどうかを評価することである。
造影剤投与後, 正常MRI50例, 心筋梗塞100例に分けて検討した。
その結果,試験の自動分類は到達可能な課題であることが示唆された。
論文 参考訳（メタデータ） (2021-08-09T13:15:25Z) - Early Detection of Myocardial Infarction in Low-Quality Echocardiography [20.70352553163199]
心筋梗塞 (MI) は、毎年324万人が苦しんでいる、世界中で致命的な健康上の問題である。
本稿では,低品質心エコー図におけるMI早期検出のための3段階的アプローチを提案する。
本研究の主な貢献は、低品質心エコー図によるLV壁の高精度セグメンテーション、無注LV壁の地下構造形成のための擬似ラベリングアプローチ、MI検出のための最初の公開心エコーデータセット(HMC-QU)*である。
論文 参考訳（メタデータ） (2020-10-05T18:47:04Z) - Left Ventricular Wall Motion Estimation by Active Polynomials for Acute
Myocardial Infarction Detection [18.93271742586598]
本稿では, 左室壁の大域的運動を, 頑健かつ正確な方法で正確に推定できる新しい手法であるActive Polynomialsを提案する。
提案アルゴリズムは,急性MIの早期診断を支援するために,LV壁セグメントに発生する真の壁運動を定量化する。
論文 参考訳（メタデータ） (2020-08-11T10:29:22Z) - Cardiac Segmentation on Late Gadolinium Enhancement MRI: A Benchmark
Study from Multi-Sequence Cardiac MR Segmentation Challenge [43.01944884184009]
本稿では,MII 2019とともに,Multi-Sequence MR (MS-CMR) チャレンジの選択的結果を示す。
新しいアルゴリズムを開発し、LGE CMRセグメンテーションのための既存のアルゴリズムをベンチマークし、客観的に比較することを目的としていた。
これらの手法の成功は主に、MS-CMR画像からの補助的配列を含むことによる。
論文 参考訳（メタデータ） (2020-06-22T17:04:38Z) - 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。