論文の概要: Deep-ASPECTS: A Segmentation-Assisted Model for Stroke Severity Measurement

• arxiv url: http://arxiv.org/abs/2203.03622v1
• Date: Sat, 5 Mar 2022 06:12:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-10 07:16:34.446895
• Title: Deep-ASPECTS: A Segmentation-Assisted Model for Stroke Severity Measurement
• Title（参考訳）: deep-aspects : 脳卒中重症度測定のためのセグメンテーション支援モデル
• Authors: Ujjwal Upadhyay, Mukul Ranjan, Satish Golla, Swetha Tanamala, Preetham Sreenivas, Sasank Chilamkurthy, Jeyaraj Pandian, and Jason Tarpley
• Abstract要約: 脳卒中は、脳内の動脈が破裂して出血したり、脳への血液供給が遮断されたときに起こる。 本研究では,ASPECTSにおけるCTスキャンの深層学習に基づくスコアリング手法を提案する。
• 参考スコア（独自算出の注目度）: 1.3814679165245243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A stroke occurs when an artery in the brain ruptures and bleeds or when the blood supply to the brain is cut off. Blood and oxygen cannot reach the brain's tissues due to the rupture or obstruction resulting in tissue death. The Middle cerebral artery (MCA) is the largest cerebral artery and the most commonly damaged vessel in stroke. The quick onset of a focused neurological deficit caused by interruption of blood flow in the territory supplied by the MCA is known as an MCA stroke. Alberta stroke programme early CT score (ASPECTS) is used to estimate the extent of early ischemic changes in patients with MCA stroke. This study proposes a deep learning-based method to score the CT scan for ASPECTS. Our work has three highlights. First, we propose a novel method for medical image segmentation for stroke detection. Second, we show the effectiveness of AI solution for fully-automated ASPECT scoring with reduced diagnosis time for a given non-contrast CT (NCCT) Scan. Our algorithms show a dice similarity coefficient of 0.64 for the MCA anatomy segmentation and 0.72 for the infarcts segmentation. Lastly, we show that our model's performance is inline with inter-reader variability between radiologists.
• Abstract（参考訳）: 脳の動脈が破裂して出血したり、脳への血液供給が遮断されたりするときに脳卒中が起こる。 血液と酸素は、組織死の原因となる破壊や閉塞のために、脳の組織に届かない。 中大脳動脈 (mca) は最大大脳動脈であり、脳卒中において最も一般的に損傷を受けた血管である。 MCAが供給する領域における血流の中断によって引き起こされる集中神経障害の早期発症は、MCA脳卒中として知られている。 アルバータ脳卒中早期CTスコア(ASPECTS)は、MCA脳卒中患者の早期虚血変化の程度を推定するために用いられる。 本研究では,ASPECTSにおけるCTスキャンの深層学習に基づく評価法を提案する。 私たちの作品には3つのハイライトがある。 まず,脳卒中検出のための医用画像分割法を提案する。 第2に,非造影CT(NCCT)スキャンの診断時間を短縮した完全自動ASPECTスコアに対するAIソリューションの有効性を示す。 本アルゴリズムでは, MCA解剖学的区分けでは0.64, 梗塞区分けでは0.72である。 最後に,本モデルの性能は,放射線学者間の可読性に比例することを示す。

関連論文リスト

• A dual-task mutual learning framework for predicting post-thrombectomy cerebral hemorrhage [42.24368372333753]
  患者の初回CT検査のみを用いて術後脳出血を計測するための新しい予測枠組みを提案する。 本手法では, 最新診断法よりも追跡CTの精度が向上し, 追跡診断ラベルの精度が86.37%向上した。
  論文  参考訳（メタデータ） (2024-08-01T22:08:52Z)
• Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
  本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。 また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。 以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
  論文  参考訳（メタデータ） (2022-05-16T10:59:55Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• 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)
• Multi-input segmentation of damaged brain in acute ischemic stroke patients using slow fusion with skip connection [1.372466817835681]
  急性虚血性脳梗塞患者における2つの虚血領域(コアとペナムブラ)を自動分割する方法を提案する。 我々のモデルは、マルチインプットと遅い融合を伴う畳み込み・デコンボリューションのボトルネック構造に基づいている。 提案したアーキテクチャは、神経放射線学者が注釈付けした地上の真実に匹敵する効果的な性能と結果を示す。
  論文  参考訳（メタデータ） (2022-03-18T16:26:53Z)
• 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)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• 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)
• A comparative study of 2D image segmentation algorithms for traumatic brain lesions using CT data from the ProTECTIII multicenter clinical trial [0.0]
  外傷性脳損傷(TBI)後に発見された出血性病変の表現型について検討した。 内皮内出血(IPH)、硬膜下血腫(SDH)、硬膜外血腫(EDH)、外傷性腸重積などがある。 Focal Tversky Loss Functionを用いたUNet++ 2D Architectureを用いて,最適Dice Coefficient1スコア0.94を達成することができた。 また, 軸外出血例と外傷例のDice Coefficientスコア0.90と0.86をそれぞれ達成できた。
  論文  参考訳（メタデータ） (2020-06-01T21:00:20Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。