論文の概要: Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms

• arxiv url: http://arxiv.org/abs/2203.13038v1
• Date: Thu, 24 Mar 2022 12:33:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-25 18:33:29.335364
• Title: Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms
• Title（参考訳）: 心エコー図による新生児肺高血圧の予測
• Authors: Hanna Ragnarsdottir, Laura Manduchi, Holger Michel, Fabian Laumer, Sven Wellmann, Ece Ozkan and Julia Vogt
• Abstract要約: 新生児および乳児の肺高血圧は、いくつかの肺疾患、心臓疾患、全身疾患に関連する複雑な疾患である。 心エコー図を用いたコホート194新生児のPH予測のための多視点ビデオに基づく多視点深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 2.770437783544638
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pulmonary hypertension (PH) in newborns and infants is a complex condition associated with several pulmonary, cardiac, and systemic diseases contributing to morbidity and mortality. Therefore, accurate and early detection of PH is crucial for successful management. Using echocardiography, the primary diagnostic tool in pediatrics, human assessment is both time-consuming and expertise-demanding, raising the need for an automated approach. In this work, we present an interpretable multi-view video-based deep learning approach to predict PH for a cohort of 194 newborns using echocardiograms. We use spatio-temporal convolutional architectures for the prediction of PH from each view, and aggregate the predictions of the different views using majority voting. To the best of our knowledge, this is the first work for an automated assessment of PH in newborns using echocardiograms. Our results show a mean F1-score of 0.84 for severity prediction and 0.92 for binary detection using 10-fold cross-validation. We complement our predictions with saliency maps and show that the learned model focuses on clinically relevant cardiac structures, motivating its usage in clinical practice.
• Abstract（参考訳）: 新生児および乳児の肺高血圧症 (ph) は、いくつかの肺疾患、心臓疾患、全身疾患に関連する複雑な疾患である。 したがって、PHの正確かつ早期検出は、経営成功に不可欠である。 小児科における主要な診断ツールである心エコー図を用いて、人間の評価は時間と専門知識の両方を要し、自動化されたアプローチの必要性を高める。 本研究では,心エコー図を用いて194人の新生児のphを推定する多視点ビデオベース深層学習手法を提案する。 我々は各視点からPHの予測に時空間畳み込みアーキテクチャを使用し、多数決による異なる視点の予測を集約する。 心エコー図を用いた新生児におけるPH自動評価のための最初の試みである。 その結果,重度予測では平均F1スコアが0.84,2次検出では0.92であった。 塩分マップを用いて予測を補完し, 学習モデルが臨床的に関連した心臓構造に注目し, 臨床での使用意欲を示すことを示した。

関連論文リスト

• Deep Learning for Fetal Inflammatory Response Diagnosis in the Umbilical Cord [2.4573404709588673]
  子宮の炎症は、子宮内感染などの炎症刺激の上昇の結果であると考えられる。 近年,デジタル病理学における深層学習の進歩は,幅広い臨床課題において良好な成績を示した。
  論文  参考訳（メタデータ） (2024-11-14T19:24:46Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Adversarial Contrastive Learning Based Physics-Informed Temporal Networks for Cuffless Blood Pressure Estimation [37.94387581519217]
  逆相関学習を用いた物理インフォームド・テンポラル・ネットワーク(PITN)を導入し,非常に限られたデータで正確なBP推定を実現する。 次に, 対人訓練を駆使して生理的時系列データを生成し, スパースデータに面したPITNの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2024-08-16T02:17:21Z)
• Echocardiogram Foundation Model -- Application 1: Estimating Ejection Fraction [2.4164193358532438]
  心エコー基礎モデルであるエコーAIを導入し,150万個の心エコーを用いて自己教師付き学習(SSL)を用いて訓練した。 我々は,EchoAIを微調整し,平均絶対パーセンテージ誤差を9.40%と評価した。
  論文  参考訳（メタデータ） (2023-11-21T13:00:03Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Predicting Pulmonary Hypertension by Electrocardiograms Using Machine Learning [0.0]
  肺高血圧症(英: lung hypertension, PH)は、肺と心臓の右側の動脈に影響を及ぼす高血圧の病態である。 このプロジェクトの目的は、ECG信号を処理し、信頼確率でPHの存在を検出するニューラルネットワークモデルを作成することである。
  論文  参考訳（メタデータ） (2023-04-24T21:00:16Z)
• 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)
• Foresight -- Deep Generative Modelling of Patient Timelines using Electronic Health Records [46.024501445093755]
  医学史の時間的モデリングは、将来の出来事を予測し、シミュレートしたり、リスクを見積り、代替診断を提案したり、合併症を予測するために使用することができる。 我々は、文書テキストを構造化されたコード化された概念に変換するためにNER+Lツール(MedCAT)を使用する新しいGPT3ベースのパイプラインであるForesightを提示する。
  論文  参考訳（メタデータ） (2022-12-13T19:06:00Z)
• Automated Detection of Congenital Heart Disease in Fetal Ultrasound Screening [7.496518691842825]
  自動データキュレーションと分類のためのパイプラインを提案する。 我々は、補助的な視点分類タスクを利用して、関連する心構造に対する特徴をバイアスする。 このバイアスは健康クラスとCHDクラスでそれぞれ0.72と0.77から0.87と0.85にF1スコアを改善するのに役立つ。
  論文  参考訳（メタデータ） (2020-08-16T17:53:41Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)
• Gradient Boosting on Decision Trees for Mortality Prediction in Transcatheter Aortic Valve Implantation [5.050648346154715]
  心臓外科における現在の予後リスクスコアは統計に基づいており、まだ機械学習の恩恵を受けていない。 本研究は,TAVI後の患者の1年間の死亡率を予測する機械学習モデルの構築を目的とする。
  論文  参考訳（メタデータ） (2020-01-08T10:04:42Z)

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。