論文の概要: Detection of Large Vessel Occlusions using Deep Learning by Deforming
Vessel Tree Segmentations
- arxiv url: http://arxiv.org/abs/2112.01797v1
- Date: Fri, 3 Dec 2021 09:07:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-06 15:22:27.761391
- Title: Detection of Large Vessel Occlusions using Deep Learning by Deforming
Vessel Tree Segmentations
- Title（参考訳）: 血管木分節変形による深層学習による大血管閉塞の検出
- Authors: Florian Thamm and Oliver Taubmann and Markus J\"urgens and Hendrik
Ditt and Andreas Maier
- Abstract要約: この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。
ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。
5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
- 参考スコア（独自算出の注目度）: 5.408694811103598
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Computed Tomography Angiography is a key modality providing insights into the
cerebrovascular vessel tree that are crucial for the diagnosis and treatment of
ischemic strokes, in particular in cases of large vessel occlusions (LVO).
Thus, the clinical workflow greatly benefits from an automated detection of
patients suffering from LVOs. This work uses convolutional neural networks for
case-level classification trained with elastic deformation of the vessel tree
segmentation masks to artificially augment training data. Using only masks as
the input to our model uniquely allows us to apply such deformations much more
aggressively than one could with conventional image volumes while retaining
sample realism.
The neural network classifies the presence of an LVO and the affected
hemisphere. In a 5-fold cross validated ablation study, we demonstrate that the
use of the suggested augmentation enables us to train robust models even from
few data sets. Training the EfficientNetB1 architecture on 100 data sets, the
proposed augmentation scheme was able to raise the ROC AUC to 0.85 from a
baseline value of 0.57 using no augmentation. The best performance was achieved
using a 3D-DenseNet yielding an AUC of 0.88. The augmentation had positive
impact in classification of the affected hemisphere as well, where the
3D-DenseNet reached an AUC of 0.93 on both sides.
- Abstract（参考訳）: Computed Tomography Angiographyは、特に大血管閉塞例(LVO)において、虚血性脳梗塞の診断および治療に不可欠である脳血管血管ツリーの知見を提供する重要なモダリティである。
したがって、臨床ワークフローは、lvosに苦しむ患者の自動検出から大いに恩恵を受ける。
本研究は畳み込みニューラルネットワークを用いて,血管ツリーセグメンテーションマスクの弾性変形を訓練したケースレベルの分類を行い,人工的にトレーニングデータを増強する。
モデルへの入力としてマスクのみを用いることで、サンプルリアリズムを維持しながら従来の画像量よりもはるかに積極的にそのような変形を適用できる。
ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。
5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
効率的なNetB1アーキテクチャを100データセットで訓練し、提案された拡張スキームにより、ROC AUCを0.57のベースライン値から0.85に引き上げることができた。
最高の性能は3D-DenseNetで達成され、AUCは0.88である。
この増強は、影響を受けた半球の分類にもプラスの影響を与え、3d-densenet は両サイドで 0.93 の auc に達した。
関連論文リスト
- Lesion-aware network for diabetic retinopathy diagnosis [28.228110579446227]
CNNをベースとした糖尿病網膜症(DR)診断ネットワークを提案する。
提案するLANetは,DR関連情報利用のためのCNNデコーダにLAMとFPMを埋め込んで構成する。
本手法は, DR検診において 0.967 の曲線下領域で本手法より優れており, 全体の平均精度を3つのデータセットで7.6%, 2.1%, 1.2%向上させる。
論文 参考訳（メタデータ） (2024-08-14T03:06:04Z) - Deep Learning-Based Brain Image Segmentation for Automated Tumour Detection [0.0]
目的は、最先端の畳み込みニューラルネットワーク(CNN)を、セグメント化のための脳MRIスキャンの大規模なデータセットに活用することである。
提案手法は,性能向上と一般化性向上のために前処理技術を適用した。
論文 参考訳（メタデータ） (2024-04-06T15:09:49Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳（メタデータ） (2023-09-13T10:40:41Z) - 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) - CNN-based fully automatic wrist cartilage volume quantification in MR
Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。
非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文 参考訳（メタデータ） (2022-06-22T14:19:06Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳（メタデータ） (2022-05-05T10:31:57Z) - COVID-19 identification from volumetric chest CT scans using a
progressively resized 3D-CNN incorporating segmentation, augmentation, and
class-rebalancing [4.446085353384894]
新型コロナウイルスは世界的なパンデミックの流行だ。
高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。
本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
論文 参考訳（メタデータ） (2021-02-11T18:16:18Z) - 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) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z)
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。