論文の概要: Initial Investigations Towards Non-invasive Monitoring of Chronic Wound
Healing Using Deep Learning and Ultrasound Imaging
- arxiv url: http://arxiv.org/abs/2201.10511v1
- Date: Tue, 25 Jan 2022 18:12:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 14:56:00.931195
- Title: Initial Investigations Towards Non-invasive Monitoring of Chronic Wound
Healing Using Deep Learning and Ultrasound Imaging
- Title（参考訳）: 深部学習と超音波画像を用いた慢性創傷治癒の非侵襲的モニタリングに関する初期研究
- Authors: Maja Schlereth (1,2), Daniel Stromer (2), Yash Mantri (3), Jason
Tsujimoto (3), Katharina Breininger (1), Andreas Maier (2), Caesar Anderson
(4), Pranav S. Garimella (5), Jesse V. Jokerst (6) ((1) Department Artificial
Intelligence in Biomedical Engineering, FAU Erlangen-N\"urnberg, Erlangen,
(2) Pattern Recognition Lab, FAU Erlangen-N\"urnberg, Erlangen, (3)
Department of Bioengineering, University of California, San Diego, (4)
Department of Emergency Medicine, San Diego, (5) Division of Nephrology and
Hypertension, Department of Medicine, San Diego, (6) Department of
Nanoengineering, University of California, San Diego)
- Abstract要約: 超音波画像における断面創の大きさの深層学習に基づく自動区分けの初期成績を報告する。
我々は,非侵襲的超音波画像の深層学習支援分析が研究の有望な領域であると結論づけた。
- 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: Chronic wounds including diabetic and arterial/venous insufficiency injuries
have become a major burden for healthcare systems worldwide. Demographic
changes suggest that wound care will play an even bigger role in the coming
decades. Predicting and monitoring response to therapy in wound care is
currently largely based on visual inspection with little information on the
underlying tissue. Thus, there is an urgent unmet need for innovative
approaches that facilitate personalized diagnostics and treatments at the
point-of-care. It has been recently shown that ultrasound imaging can monitor
response to therapy in wound care, but this work required onerous manual image
annotations. In this study, we present initial results of a deep learning-based
automatic segmentation of cross-sectional wound size in ultrasound images and
identify requirements and challenges for future research on this application.
Evaluation of the segmentation results underscores the potential of the
proposed deep learning approach to complement non-invasive imaging with Dice
scores of 0.34 (U-Net, FCN) and 0.27 (ResNet-U-Net) but also highlights the
need for improving robustness further. We conclude that deep learning-supported
analysis of non-invasive ultrasound images is a promising area of research to
automatically extract cross-sectional wound size and depth information with
potential value in monitoring response to therapy.
- Abstract（参考訳）: 糖尿病や動脈・静脈障害を含む慢性的外傷は、世界中の医療システムにとって大きな負担となっている。
人口動態の変化は、今後数十年で創傷治療がさらに大きな役割を果たすことを示唆している。
創傷治療における治療反応の予測とモニタリングは、基礎組織に関する情報をほとんど持たない視覚検査に基づいている。
したがって、医療現場でのパーソナライズされた診断と治療を促進する革新的なアプローチが緊急に必要となる。
近年,超音波による創傷治療に対する反応のモニタリングが可能であることが報告されているが,本研究は多彩な手動画像アノテーションを必要とした。
本研究では,超音波画像における断面傷の大きさの深層学習に基づく自動区分けの初期結果と今後の研究の課題について述べる。
セグメンテーション結果の評価は,diceスコア 0.34 (u-net, fcn) と 0.27 (resnet-u-net) を用いた非侵襲的イメージングを補完する深層学習手法の可能性を浮き彫りにした。
以上より,非侵襲超音波画像の深部学習支援分析は,治療応答のモニタリングに有用である可能性のある断面傷の大きさと深さ情報を自動的に抽出する有望な研究領域である。
関連論文リスト
- CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。
医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
論文 参考訳（メタデータ） (2024-08-20T13:21:57Z) - Detection and Classification of Diabetic Retinopathy using Deep Learning
Algorithms for Segmentation to Facilitate Referral Recommendation for Test
and Treatment Prediction [0.0]
本研究は糖尿病網膜症(DR)の臨床的課題について考察する。
提案手法は、畳み込みニューラルネットワーク(CNN)を用いたトランスファーラーニングを利用して、単一の基礎写真を用いた自動DR検出を行う。
Jaccard、F1、リコール、精度、精度の高評価スコアは、網膜病理評価における診断能力を高めるモデルの可能性を示している。
論文 参考訳（メタデータ） (2024-01-05T11:19:24Z) - An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging
for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。
ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。
本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文 参考訳（メタデータ） (2023-05-30T13:14:03Z) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳（メタデータ） (2023-01-04T16:05:51Z) - HealNet -- Self-Supervised Acute Wound Heal-Stage Classification [2.3552433352583155]
本稿では,(a)創傷の時間力学の埋め込みの学習,(b)自動段階発見のためのクラスタリング,(c)微調整分類からなる自己指導型学習手法を提案する。
提案された自己教師型フレキシブルな学習フレームワークは、生物学的にインスパイアされ、人間のラベルがゼロの小さなデータセットで訓練されている。
論文 参考訳（メタデータ） (2022-06-21T17:09:05Z) - RAVIR: A Dataset and Methodology for the Semantic Segmentation and
Quantitative Analysis of Retinal Arteries and Veins in Infrared Reflectance
Imaging [7.316426736150123]
Infrared Reflectance (IR) 画像における網膜動脈と静脈のセグメンテーションのための新しいデータセット RAVIR を提案する。
本稿では,網膜動脈と静脈のセマンティックセグメンテーションのための,新しい深層学習手法を提案する。
本実験は,SegRAVIRの有効性を検証し,最先端モデルと比較して優れた性能を示した。
論文 参考訳（メタデータ） (2022-03-28T17:30:29Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - Deep learning in the ultrasound evaluation of neonatal respiratory
status [11.308283140003676]
肺超音波検査は科学界から関心を集めている。
画像解析とパターン認識のアプローチは、これらのデータに含まれる豊富な情報を十分に活用できることを証明している。
本稿では、近年のディープラーニングネットワークと、大規模かつ挑戦的なマルチセンターデータセット上で実施されているトレーニング戦略について、徹底的に分析する。
論文 参考訳（メタデータ） (2020-10-31T18:57:55Z) - 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) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z)
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。