論文の概要: A Multi-rater Comparative Study of Automatic Target Localization Methods
for Epilepsy Deep Brain Stimulation Procedures
- arxiv url: http://arxiv.org/abs/2201.11002v1
- Date: Wed, 26 Jan 2022 15:20:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-27 16:33:54.695494
- Title: A Multi-rater Comparative Study of Automatic Target Localization Methods
for Epilepsy Deep Brain Stimulation Procedures
- Title（参考訳）: てんかん性脳刺激手術における自動目標位置決め法の比較検討
- Authors: Han Liu, Kathryn L. Holloway, Dario J. Englot, Benoit M. Dawant
- Abstract要約: 深部脳刺激(Deep Brain Stimulation、DBS)は、抗てんかん薬や切除手術が良好な結果に至らない場合に、代替の治療法として現れる。
手順の計画や標準化を容易にするため,DBS刺激対象を自動的にローカライズするアルゴリズムを開発することが望ましい。
本研究では、ANT-DBSの様々なローカライゼーション手法をベンチマークすることで、広範な比較研究を行う。
- 参考スコア（独自算出の注目度）: 6.1757304574413245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Epilepsy is the fourth most common neurological disorder and affects people
of all ages worldwide. Deep Brain Stimulation (DBS) has emerged as an
alternative treatment option when anti-epileptic drugs or resective surgery
cannot lead to satisfactory outcomes. To facilitate the planning of the
procedure and for its standardization, it is desirable to develop an algorithm
to automatically localize the DBS stimulation target, i.e., Anterior Nucleus of
Thalamus (ANT), which is a challenging target to plan. In this work, we perform
an extensive comparative study by benchmarking various localization methods for
ANT-DBS. Specifically, the methods involved in this study include traditional
registration method and deep-learning-based methods including heatmap matching
and differentiable spatial to numerical transform (DSNT). Our experimental
results show that the deep-learning (DL)-based localization methods that are
trained with pseudo labels can achieve a performance that is comparable to the
inter-rater and intra-rater variability and that they are orders of magnitude
faster than traditional methods.
- Abstract（参考訳）: てんかんは4番目に多い神経疾患であり、世界中の年齢層に影響を与えている。
深部脳刺激(dbs)は、抗てんかん薬や切除手術が良好な結果をもたらすことができない場合、代替治療法として出現している。
手順の立案を容易にし、標準化するために、計画の難しい目標である視床前核(ant)をdbs刺激目標に自動的に局在化させるアルゴリズムを開発することが望ましい。
本研究では、ANT-DBSの様々なローカライゼーション手法をベンチマークすることで、広範な比較研究を行う。
具体的には、従来の登録方法と、ヒートマップマッチングや微分空間から数値変換(DSNT)を含むディープラーニングに基づく手法を含む。
実験の結果,疑似ラベルで訓練されたディープラーニング(dl)ベースのローカライズ手法は,レート間およびレート内変動性に匹敵する性能を達成でき,従来の手法よりも桁違いに高速であることがわかった。
関連論文リスト
- Growing Deep Neural Network Considering with Similarity between Neurons [4.32776344138537]
我々は、訓練段階におけるコンパクトモデルにおいて、ニューロン数を漸進的に増加させる新しいアプローチを探求する。
本稿では,ニューロン類似性分布に基づく制約を導入することにより,特徴抽出バイアスと神経冗長性を低減する手法を提案する。
CIFAR-10とCIFAR-100データセットの結果、精度が向上した。
論文 参考訳（メタデータ） (2024-08-23T11:16:37Z) - A Transformer-based Prediction Method for Depth of Anesthesia During
Target-controlled Infusion of Propofol and Remifentanil [2.960339091215942]
本稿では,プロポフォールとレミフェンタニルの薬物注入による麻酔深度予測法を提案する。
実験の結果,提案手法は従来のPK-PDモデルや従来のディープラーニング手法よりも優れていた。
論文 参考訳（メタデータ） (2023-08-02T13:49:44Z) - MBrain: A Multi-channel Self-Supervised Learning Framework for Brain
Signals [7.682832730967219]
本稿では,SEEGデータとEEGデータのいずれかを事前学習できる脳信号の自己教師型学習フレームワークについて検討する。
そこで我々は,異なるチャネル間の空間的および時間的相関を暗黙的に学習するために,MBrainを提案する。
我々のモデルは、最先端のSSLおよび教師なしモデルよりも優れており、臨床に展開する能力を持っている。
論文 参考訳（メタデータ） (2023-06-15T09:14:26Z) - A Novel Confidence Induced Class Activation Mapping for MRI Brain Tumor
Segmentation [19.52081109414247]
弱教師付きセマンティックセグメンテーションのための信頼誘導CAM(Cfd-CAM)を提案する。
Cfd-CAMは、対象クラスの信頼度を用いて、各特徴マップの重みを算出する。
2つの脳腫瘍データセットに対する実験により、Cfd-CAMは既存の最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-06-08T18:01:08Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian
Shape Framework [65.19784967388934]
RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。
本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。
実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-06-30T13:04:42Z) - Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。
中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。
on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
論文 参考訳（メタデータ） (2022-01-07T07:46:01Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソード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） (2020-05-06T09:02:30Z) - Multi-Scale Neural network for EEG Representation Learning in BCI [2.105172041656126]
本稿では,複数の周波数/時間範囲における特徴表現を探索する深層多スケールニューラルネットワークを提案する。
スペクトル時間情報を用いた脳波信号の表現により,提案手法を多種多様なパラダイムに応用することができる。
論文 参考訳（メタデータ） (2020-03-02T04:06:47Z)
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。