論文の概要: Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging

• arxiv url: http://arxiv.org/abs/2201.11630v1
• Date: Thu, 27 Jan 2022 16:37:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-28 15:17:57.843759
• Title: Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging
• Title（参考訳）: 光音響イメージングを用いた小児神経筋疾患の自動分類
• Authors: Maja Schlereth, Daniel Stromer, Katharina Breininger, Alexandra Wagner, Lina Tan, Andreas Maier, Ferdinand Knieling
• Abstract要約: 神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
• 参考スコア（独自算出の注目度）: 77.32032399775152
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neuromuscular diseases (NMDs) cause a significant burden for both healthcare systems and society. They can lead to severe progressive muscle weakness, muscle degeneration, contracture, deformity and progressive disability. The NMDs evaluated in this study often manifest in early childhood. As subtypes of disease, e.g. Duchenne Muscular Dystropy (DMD) and Spinal Muscular Atrophy (SMA), are difficult to differentiate at the beginning and worsen quickly, fast and reliable differential diagnosis is crucial. Photoacoustic and ultrasound imaging has shown great potential to visualize and quantify the extent of different diseases. The addition of automatic classification of such image data could further improve standard diagnostic procedures. We compare deep learning-based 2-class and 3-class classifiers based on VGG16 for differentiating healthy from diseased muscular tissue. This work shows promising results with high accuracies above 0.86 for the 3-class problem and can be used as a proof of concept for future approaches for earlier diagnosis and therapeutic monitoring of NMDs.
• Abstract（参考訳）: 神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 重度の進行性筋力低下、筋変性、拘縮、変形、進行性障害につながる可能性がある。 この研究で評価されたNMDは、幼少期にしばしば現れる。 Duchenne Muscular Dystropy (DMD) や Spinal Muscular Atrophy (SMA) などの疾患のサブタイプは、当初は区別が難しいため、迅速かつ信頼性の高い鑑別診断が重要である。 光音響および超音波イメージングは、異なる疾患の範囲を可視化し定量化する大きな可能性を示している。 このような画像データの自動分類の追加は、標準診断手順をさらに改善する可能性がある。 VGG16に基づく深層学習に基づく2クラス分類法と3クラス分類法の比較を行った。 本研究は,3クラス問題に対する0.86以上の精度の高い有望な結果を示し,NMDの早期診断と治療モニタリングのための概念実証として利用することができる。

関連論文リスト

• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• Anatomical Foundation Models for Brain MRIs [6.993491018326816]
  AnatCLは、弱い対照的な学習アプローチで解剖情報を活用する脳MRIのための解剖基盤モデルである。 アプローチを検証するために,診断分類のための12の下流タスクと10の異なる臨床評価スコアの予測について検討した。
  論文  参考訳（メタデータ） (2024-08-07T14:04:50Z)
• Predicting Parkinson's disease evolution using deep learning [1.4610685586329806]
  パーキンソン病は、世界の人口の1%近くで起こる神経疾患である。 パーキンソン病の診断に利用できる血液検査やバイオマーカーは1つもない。 進行の段階を特定するために設計されたAIツールは存在しない。
  論文  参考訳（メタデータ） (2023-12-28T10:30:54Z)
• Deep grading for MRI-based differential diagnosis of Alzheimer's disease and Frontotemporal dementia [0.0]
  アルツハイマー病と前頭側頭性認知症は神経変性性認知症の一般的な形態である。 現在の構造イメージングは、主に疾患の検出に焦点をあてるが、その鑑別診断にはほとんど焦点を当てない。 本稿では,疾患検出と鑑別診断の両問題に対するディープラーニングに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-25T13:25:18Z)
• Interpretable differential diagnosis for Alzheimer's disease and Frontotemporal dementia [0.0]
  アルツハイマー病と前頭側頭性認知症は2つの主要な認知症である。 これら2種類の認知症の鑑別診断は、臨床症状の類似パターンにより、疾患の初期段階では困難である。 近年の医用画像の深層学習は,様々な分類課題において高い性能を示した。
  論文  参考訳（メタデータ） (2022-06-15T09:44:30Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• 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)
• 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)
• Deep Convolutional Neural Network based Classification of Alzheimer's Disease using MRI data [8.609787905151563]
  アルツハイマー病(Alzheimer's disease、AD)は、脳細胞を破壊し、患者の記憶に損失を引き起こす進行性および不治性の神経変性疾患である。 本稿では,不均衡な3次元MRIデータセットを用いた2次元深部畳み込みニューラルネットワーク(2D-DCNN)によるADの診断手法を提案する。 このモデルはMRIをAD、軽度認知障害、正常制御の3つのカテゴリに分類し、99.89%の分類精度を不均衡クラスで達成した。
  論文  参考訳（メタデータ） (2021-01-08T06:51:08Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)

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。