論文の概要: Automated cross-sectional view selection in CT angiography of aortic dissections with uncertainty awareness and retrospective clinical annotations

• arxiv url: http://arxiv.org/abs/2111.11269v1
• Date: Mon, 22 Nov 2021 15:11:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-11-23 14:52:30.936642
• Title: Automated cross-sectional view selection in CT angiography of aortic dissections with uncertainty awareness and retrospective clinical annotations
• Title（参考訳）: 不確実性認識と回顧的臨床注釈を伴う大動脈解離のct angiographyにおける横断的ビューの自動選択
• Abstract要約: この作業を容易にするために,クリニックで日常的に手動のアノテーションを効率的に利用する方法を示す。 Ill-posed but repeatitive imaging tasks can be easier or automated by leverage of imperfect, retrospective clinical annotations。
• 参考スコア（独自算出の注目度）: 11.415942647070796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective: Surveillance imaging of chronic aortic diseases, such as dissections, relies on obtaining and comparing cross-sectional diameter measurements at predefined aortic landmarks, over time. Due to a lack of robust tools, the orientation of the cross-sectional planes is defined manually by highly trained operators. We show how manual annotations routinely collected in a clinic can be efficiently used to ease this task, despite the presence of a non-negligible interoperator variability in the measurements. Impact: Ill-posed but repetitive imaging tasks can be eased or automated by leveraging imperfect, retrospective clinical annotations. Methodology: In this work, we combine convolutional neural networks and uncertainty quantification methods to predict the orientation of such cross-sectional planes. We use clinical data randomly processed by 11 operators for training, and test on a smaller set processed by 3 independent operators to assess interoperator variability. Results: Our analysis shows that manual selection of cross-sectional planes is characterized by 95% limits of agreement (LOA) of $10.6^\circ$ and $21.4^\circ$ per angle. Our method showed to decrease static error by $3.57^\circ$ ($40.2$%) and $4.11^\circ$ ($32.8$%) against state of the art and LOA by $5.4^\circ$ ($49.0$%) and $16.0^\circ$ ($74.6$%) against manual processing. Conclusion: This suggests that pre-existing annotations can be an inexpensive resource in clinics to ease ill-posed and repetitive tasks like cross-section extraction for surveillance of aortic dissections.
• Abstract（参考訳）: 目的: 解離などの慢性大動脈疾患のサーベイランスイメージングは、事前に定義された大動脈のランドマークにおける断面径の測定と比較に時間をかけて頼っている。 ロバストなツールがないため、断面平面の向きは高度に訓練されたオペレータによって手動で定義される。 本研究は,非無視的な操作間変動が存在するにもかかわらず,クリニックで日常的に手動でアノテーションを収集し,この作業を容易にする方法を示す。 影響:不完全でふりかえりの臨床的アノテーションを利用することで、不適切だが反復的なイメージングタスクを楽にしたり自動化したりできる。 方法論: 本研究では, 畳み込みニューラルネットワークと不確実な定量化手法を組み合わせて, 断面面の向きを予測する。 我々は,11人のオペレーターがランダムに処理した臨床データを用いて,3人の独立したオペレーターが処理したより小さなセットを用いて,操作間変動を評価する。 結果: 断面平面の手動選択は, 1角あたり10.6^\circ$と21.4^\circ$の95%の制限値(loa)で特徴づけられる。 本手法では, 静的誤差を3.57^\circ$(40.2$%), 4.11^\circ$(32.8$%), LOAは5.4^\circ$(49.0$%), 16.0^\circ$(74.6$%)で低減した。 結論: 既存のアノテーションは, 大動脈解離監視のための断面積抽出などの不正かつ反復的な作業を容易にするために, 診療所において安価な資源となる可能性が示唆された。

関連論文リスト

• Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
  DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。 これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。 平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
  論文  参考訳（メタデータ） (2026-09-11T11:13:06Z)
• Synergistic Perception-Reasoning Governance: Grounding Medical MLLMs with Verifiable Anatomical Evidence [45.78409219344429]
  マルチモーダル大言語モデル (MLLM) は, 臨床VQAと放射線学報告の生成に強い期待を示すが, 推測時幻覚は信頼性を損なう。 本稿では,両面のエビデンス注入による幻覚を系統的に緩和する,総合的かつトレーニング不要なエビデンス注入フレームワークを提案する。 textttLLaVA-1.5-7B, texttLLaVA-Med-1.5-7B, texttQwen3-VL-8B/32B, textttInternVL を用いた2つのタスクと5つのデータセットの系統的評価を行った。
  論文  参考訳（メタデータ） (2026-06-30T08:07:25Z)
• Beyond Scalar Scores: Exploring LLM-based Metrics for Clinical Significance Evaluation in Radiology Reports [49.5225801722164]
  既存のメトリクスは、医学的に根拠のないスカラーにレポートの品質を低下させることによって、この要件を曖昧にしている。 テストベッドとしてReEvalMedベンチマークを用いて,この境界について検討し,計量レベルの臨床的意義を評価する。
  論文  参考訳（メタデータ） (2026-06-17T08:10:30Z)
• A New Angle on Bones: Robust Pose Estimation in X-Ray and Ultrasound [5.592342871855084]
  骨構造間の角度を測定することは、画像解析における日常的な課題であり、診断と治療計画のための重要な定量的パラメータを提供する。 学習に基づく点候補の提案と行モデルを用いて軸パラメータを抽出する自動骨ポーズ推定に対処する。 我々は,3つの臨床的に関連のある小児のアングル推定課題について,X線写真における骨折のフラグメント評価,超音波による股関節脱形成,および超音波による股関節脱形成の3つの課題について検討した。
  論文  参考訳（メタデータ） (2026-06-03T10:25:08Z)
• Training-free Detection and 6D Pose Estimation of Unseen Surgical Instruments [45.387920812487465]
  本研究は,未確認の手術器具の高精度なマルチビュー6Dポーズ推定のための無トレーニングパイプラインを導入する。 本手法はMVPSPデータセットから実世界の手術データを用いて厳密に評価した。
  論文  参考訳（メタデータ） (2026-03-26T09:28:19Z)
• Dealing with Segmentation Errors in Needle Reconstruction for MRI-Guided Brachytherapy [0.0]
  本稿では,分割誤りの処理と再構成精度の向上を目的とした,既存のポストプロセッシング手法への適応を提案する。 前立腺癌データセットの実験は、医療専門家が注釈付けしたMRIスキャンに基づいており、提案した適応がセグメンテーションエラーを効果的に管理するのに役立つことを実証している。
  論文  参考訳（メタデータ） (2025-07-25T02:35:04Z)
• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection [54.270188252068145]
  ProstaTDは、ロボット補助前立腺切除術の技術的要求領域から開発された、外科的三重項検出のための大規模なデータセットである。 このデータセットは、71,775の動画フレームと196,490の注釈付きトリプルトインスタンスで構成され、複数の機関で実施された21の手術から収集された。 ProstaTDは、これまでで最大かつ最も多様な3重項データセットであり、単純な分類から正確な空間的境界と時間的境界を持つ完全な検出へとフィールドを移動している。
  論文  参考訳（メタデータ） (2025-06-01T19:29:39Z)
• Towards Patient-Specific Surgical Planning for Bicuspid Aortic Valve Repair: Fully Automated Segmentation of the Aortic Valve in 4D CT [0.0732099897993399]
  Bicuspid aortic valve(BAV)は先天性心不全の最も多い疾患であり、狭窄、逆流、大動脈症などの合併症の手術を必要とする可能性がある。 造影CT(Contrast-enhanced 4D Computed Tomography)はコントラストと空間分解能に優れた体積時間配列を生成する。 ディープラーニングベースの手法は、完全に自動化されたセグメンテーションが可能であるが、BAV固有のモデルは存在しない。
  論文  参考訳（メタデータ） (2025-02-13T22:43:43Z)
• Quality assurance of organs-at-risk delineation in radiotherapy [7.698565355235687]
  放射線治療計画において,腫瘍標的と臓器の脱線は重要である。 自動セグメンテーションの品質保証は、まだ臨床実践において必要ではない。 提案手法は,一級分類フレームワークにおける残差ネットワークとアテンション機構を導入し,様々な種類のOAR輪郭誤差を高精度に検出することができた。
  論文  参考訳（メタデータ） (2024-05-20T02:32:46Z)
• Automated Identification of Failure Cases in Organ at Risk Segmentation Using Distance Metrics: A Study on CT Data [0.19661503834671132]
  オートマチック・オルガン・アット・リスク(OAR)セグメンテーションはCTスキャンにおける放射線治療計画に不可欠である。 本稿では,Dice と Hausdorff 距離の組み合わせのしきい値を設定することで,障害事例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） (2023-08-21T11:14:49Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Adversarial Transformer for Repairing Human Airway Segmentation [7.176060570019899]
  本稿では,従来のCT画像とともに事前分割を行い,気道構造の精細化マスクを出力するパッチスケール対向型精細化ネットワークを提案する。 その結果, 7つの測定値から定量的に評価し, 検出された長さ比と検出された枝比の15%以上を達成できた。
  論文  参考訳（メタデータ） (2022-10-21T15:20:08Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• 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)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Automated Detection of Coronary Artery Stenosis in X-ray Angiography using Deep Neural Networks [0.0]
  X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。 左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
  論文  参考訳（メタデータ） (2021-03-04T11:45:54Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)

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。