Fugu-MT 論文翻訳(概要): Two New Stenosis Detection Methods of Coronary Angiograms

論文の概要: Two New Stenosis Detection Methods of Coronary Angiograms

arxiv url: http://arxiv.org/abs/2112.06149v2
Date: Tue, 14 Dec 2021 09:20:01 GMT
ステータス: 処理完了
システム内更新日: 2021-12-15 12:35:18.055426
Title: Two New Stenosis Detection Methods of Coronary Angiograms
Title（参考訳）: 冠動脈造影の2つの新しい狭窄検出法
Authors: Yaofang Liu, Xinyue Zhang, Wenlong Wan, Shaoyu Liu, Yingdi Liu, Hu Liu, Xueying Zeng, Qing Zhang
Abstract要約: 診断を支援するために2つの血管狭窄検出法が提案されている。第1の方法は、冠状動脈ツリー全体を自動抽出し、可能なすべてのステントロースをマークする自動方法である。この方法で、ユーザは任意の血管セグメントを選択して、そのステントのさらなる分析を行うことができる。
参考スコア（独自算出の注目度）: 17.62126992760223
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Coronary angiography is the "gold standard" for diagnosing coronary artery disease (CAD). At present, the methods for detecting and evaluating coronary artery stenosis cannot satisfy the clinical needs, e.g., there is no prior study of detecting stenoses in prespecified vessel segments, which is necessary in clinical practice. Two vascular stenosis detection methods are proposed to assist the diagnosis. The first one is an automatic method, which can automatically extract the entire coronary artery tree and mark all the possible stenoses. The second one is an interactive method. With this method, the user can choose any vessel segment to do further analysis of its stenoses. Experiments show that the proposed methods are robust for angiograms with various vessel structures. The precision, sensitivity, and $F_1$ score of the automatic stenosis detection method are 0.821, 0.757, and 0.788, respectively. Further investigation proves that the interactive method can provide a more precise outcome of stenosis detection, and our quantitative analysis is closer to reality. The proposed automatic method and interactive method are effective and can complement each other in clinical practice. The first method can be used for preliminary screening, and the second method can be used for further quantitative analysis. We believe the proposed solution is more suitable for the clinical diagnosis of CAD.
Abstract（参考訳）: 冠動脈造影は、冠動脈疾患(CAD)の診断における「ゴールドスタンダード」である。現在, 冠動脈狭窄の検出・評価の方法は臨床ニーズを満たすことができない。例えば, 臨床において必要となる, 術前血管セグメントにおけるステノシス検出の事前研究は行われていない。診断補助として血管狭窄検出法が2つ提案されている。 1つ目は、自動的に冠状動脈全枝を抽出し、可能なステントースを全てマークする自動方法である。 2つ目はインタラクティブな方法です。この方法で、ユーザは任意の血管セグメントを選択して、そのステントのさらなる分析を行うことができる。実験により, 種々の血管構造を持つ血管造影において, 提案手法は堅牢であることがわかった。自動狭窄検出法の精度、感度、F_1$スコアはそれぞれ0.821, 0.757, 0.788である。さらに,本手法により狭窄検出の精度が向上し,定量的解析が現実に近いことが確認された。提案手法と対話的手法は有効であり,臨床において相互補完が可能である。第1の方法は予備スクリーニングに使用することができ、第2の方法はさらなる定量的解析に使用することができる。提案法がcadの臨床診断に適していると考えられる。

関連論文リスト

Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文参考訳（メタデータ） (2024-09-11T11:12:26Z)
SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。自動冠状動脈疾患診断では異常な成績を示した。
論文参考訳（メタデータ） (2023-11-17T02:01:19Z)
Multivessel Coronary Artery Segmentation and Stenosis Localisation using Ensemble Learning [3.656984996633334]
そこで本研究では,MICCAI 2023 Automatic Region-based Coronary Artery Disease(冠状動脈疾患自動診断)のためのエンド・ツー・エンドの機械学習ソリューションを提案する。 X線冠動脈造影による冠動脈分画および狭窄性病変の局在性評価の方法の標準化を目的としている。冠状動脈セグメンテーションでは平均F1スコアが37.69%、狭窄局所化では39.41%であった。
論文参考訳（メタデータ） (2023-10-27T08:03:12Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
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)
Two New Stenoses Detection Methods of Coronary Angiograms [17.62126992760223]
冠動脈造影における2種類の血管狭窄検出法が提案され,診断に有用であった。第1の方法は、冠動脈全体を自動的に分別し、ステントロースをマークする自動方法である。この方法では、ある血管セグメントの狭窄を検出するために、ユーザは開始点と終了点を与えるだけでよい。
論文参考訳（メタデータ） (2021-08-03T14:01:58Z)
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)
Automated Deep Learning Analysis of Angiography Video Sequences for Coronary Artery Disease [4.233200689119682]
冠状動脈閉塞(狭窄)の評価は、現在、医師による冠動脈造影ビデオシーケンスの視覚的評価によって行われている。深層学習に基づく自動解析パイプラインを報告し,冠動脈血管造影を迅速かつ客観的に評価する。我々は、ResNetやU-Netといった強力なディープラーニングアプローチと、従来の画像処理と幾何解析を組み合わせた。
論文参考訳（メタデータ） (2021-01-29T10:23:49Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。