論文の概要: Deep Learning-based Quality Assessment of Clinical Protocol Adherence in
Fetal Ultrasound Dating Scans
- arxiv url: http://arxiv.org/abs/2201.06406v1
- Date: Mon, 17 Jan 2022 13:46:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 13:28:20.603462
- Title: Deep Learning-based Quality Assessment of Clinical Protocol Adherence in
Fetal Ultrasound Dating Scans
- Title(参考訳): 深層学習による胎児超音波検査における臨床プロトコルの適合性の評価
- Authors: Sevim Cengiz and Mohammad Yaqub
- Abstract要約: 本研究では,臨床評価基準を7つ検証し,CRLビューの品質評価のためのAIベースの手法を提案する。
提案手法は, 評価基準の過半数に対して, 専門家と比較して高い精度が得られることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: To assess fetal health during pregnancy, doctors use the gestational age (GA)
calculation based on the Crown Rump Length (CRL) measurement in order to check
for fetal size and growth trajectory. However, GA estimation based on CRL,
requires proper positioning of calipers on the fetal crown and rump view, which
is not always an easy plane to find, especially for an inexperienced
sonographer. Finding a slightly oblique view from the true CRL view could lead
to a different CRL value and therefore incorrect estimation of GA. This study
presents an AI-based method for a quality assessment of the CRL view by
verifying 7 clinical scoring criteria that are used to verify the correctness
of the acquired plane. We show how our proposed solution achieves high accuracy
on the majority of the scoring criteria when compared to an expert. We also
show that if such scoring system is used, it helps identify poorly acquired
images accurately and hence may help sonographers acquire better images which
could potentially lead to a better assessment of conditions such as
Intrauterine Growth Restriction (IUGR).
- Abstract(参考訳): 妊娠中の胎児の健康を評価するために、医師は胎児の大きさと成長軌跡を確認するために、クラウンランプ長さ(CRL)測定に基づく妊娠年齢(GA)計算を使用する。
しかし、crlに基づくga推定では、胎児のクラウンとランプビュー上のカリパーの適切な位置決めが必要であり、これは必ずしも見つけるのが容易ではない。
真の CRL ビューからわずかに斜めのビューを見つけると、異なる CRL 値となり、したがって誤って GA を推定する。
本研究では、取得した平面の正当性を検証するために用いられる臨床評価基準を7つ検証することにより、CRLビューの品質評価のためのAIベースの手法を提案する。
提案手法は, 評価基準の大部分において, 専門家と比較して高い精度が得られることを示す。
また,このようなスコアリングシステムを用いると,取得不足の画像を正確に識別できるため,超音波撮影者が良好な画像を得るのに役立ち,子宮内発育制限(iugr)などの条件の評価が向上する可能性が示唆された。
関連論文リスト
- B-Spine: Learning B-Spline Curve Representation for Robust and
Interpretable Spinal Curvature Estimation [50.208310028625284]
脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。
低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
論文 参考訳(メタデータ) (2023-10-14T15:34:57Z) - Neural network-based coronary dominance classification of RCA angiograms [0.3177496877224142]
右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。
対象は828例で,その内192例が左支配症例であった。
RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
論文 参考訳(メタデータ) (2023-09-13T13:47:52Z) - An Automatic Guidance and Quality Assessment System for Doppler Imaging
of Umbilical Artery [2.4626113631507893]
経験豊富なソノグラフィーの不足は、機械支援の需要を生み出した。
本研究では,このギャップを埋める自動システムを提案する。
国立超音波検診データベースから得られた657枚の画像に対して,本システムの有効性を検証した。
論文 参考訳(メタデータ) (2023-04-11T19:26:32Z) - 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) - On the Feasibility of Machine Learning Augmented Magnetic Resonance for
Point-of-Care Identification of Disease [16.052314124109223]
多くの生命を脅かす病気の早期発見は臨床結果を改善し、医療費を削減できる。
疾患診断におけるMR画像の精度が高いにもかかわらず、Point-of-Care病の診断ツールとして使用されていない。
そこで本研究では,1) 疾患の特定精度を最大化するk空間のサブセットを同定し,2) 特定したk空間サブセットを用いて疾患を直接推定する手法を提案する。
論文 参考訳(メタデータ) (2023-01-27T19:32:27Z) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳(メタデータ) (2022-08-17T09:07:45Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Leveraging Clinically Relevant Biometric Constraints To Supervise A Deep
Learning Model For The Accurate Caliper Placement To Obtain Sonographic
Measurements Of The Fetal Brain [0.0]
経小脳平面(TC)の2次元USG画像から3つの重要な胎児脳バイオメトリーを計算するための深層学習(DL)手法を提案する。
U-Net DLモデルの精度を向上させるために,臨床的に関連するバイオメトリック制約(校正点間の関連性)とドメイン関連データ拡張を利用した。
いずれの場合も、個々のカリパーポイントの配置における平均誤差と計算されたバイオメトリーは、臨床医の誤差率に匹敵するものであった。
論文 参考訳(メタデータ) (2022-03-28T04:00:22Z) - AutoFB: Automating Fetal Biometry Estimation from Standard Ultrasound
Planes [10.745788530692305]
提案したフレームワークは、最先端のセグメンテーションモデルを用いて、重要な胎児解剖を意味的にセグメンテーションする。
その結果, セグメンテーション性能のよいネットワークは, バイオメトリ推定においてより正確であることが示唆された。
論文 参考訳(メタデータ) (2021-07-12T08:42:31Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z)
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。