論文の概要: Computer-Aided Extraction of Select MRI Markers of Cerebral Small Vessel Disease: A Systematic Review

• arxiv url: http://arxiv.org/abs/2204.01411v1
• Date: Mon, 4 Apr 2022 12:01:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-05 21:53:39.341793
• Title: Computer-Aided Extraction of Select MRI Markers of Cerebral Small Vessel Disease: A Systematic Review
• Title（参考訳）: 脳小血管疾患のMRIマーカーのコンピュータ支援による抽出 : 全身的検討
• Authors: Jiyang Jiang, Dadong Wang, Yang Song, Perminder S. Sachdev, Wei Wen
• Abstract要約: 脳小血管疾患(CSVD)は認知障害の原因となる認知機能障害である。 主観的かつ残酷な視覚的評価のアプローチを置き換えるために、近年の研究では、MRIスキャンからCSVDの画像バイオマーカーを抽出するために最先端の人工知能を適用している。 脳微小血腫 (CMB) , 拡張血管周囲腔 (PVS) , 血管起源と推定されるラキューンの3つの画像バイオマーカーについて, コンピュータ支援による検討を行った。
• 参考スコア（独自算出の注目度）: 17.021934273900182
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cerebral small vessel disease (CSVD) is a major vascular contributor to cognitive impairment in ageing, including dementias. Imaging remains the most promising method for in vivo studies of CSVD. To replace the subjective and laborious visual rating approaches, emerging studies have applied state-of-the-art artificial intelligence to extract imaging biomarkers of CSVD from MRI scans. We aimed to summarise published computer-aided methods to examine three imaging biomarkers of CSVD, namely cerebral microbleeds (CMB), dilated perivascular spaces (PVS), and lacunes of presumed vascular origin. Seventy-one classical image processing, classical machine learning, and deep learning studies were identified. CMB and PVS have been better studied, compared to lacunes. While good performance metrics have been achieved in local test datasets, there have not been generalisable pipelines validated in different research or clinical cohorts. Transfer learning and weak supervision techniques have been applied to accommodate the limitations in training data. Future studies could consider pooling data from multiple sources to increase diversity, and validating the performance of the methods using both image processing metrics and associations with clinical measures.
• Abstract（参考訳）: 脳小血管疾患(CSVD)は認知障害の原因となる認知機能障害である。 イメージングはCSVDの生体内研究において最も有望な方法である。 主観的かつ精力的な視覚評価のアプローチを置き換えるために、最新の人工知能を用いてMRIスキャンからCSVDの画像バイオマーカーを抽出している。 脳微小血腫 (CMB) , 拡張血管周囲腔 (PVS) , 血管起源と推定されるラキューンの3つの画像バイオマーカーについて, コンピュータ支援による検討を行った。 71%の古典的画像処理,古典的機械学習,深層学習研究が同定された。 cmb と pvs は lacunes と比較して研究が進んでいる。 局所的なテストデータセットでは優れたパフォーマンス指標が達成されているが、異なる研究や臨床コホートで検証可能なパイプラインは存在しない。 トランスファーラーニングと弱い監督技術は、トレーニングデータの制限を満たすために応用されている。 今後の研究は、複数のソースからのデータをプールして多様性を高めることを検討し、画像処理メトリクスと臨床指標との関連性の両方を用いて手法の性能を検証する。

関連論文リスト

• Enhancing Retinal Disease Classification from OCTA Images via Active Learning Techniques [0.8035416719640156]
  高齢のアメリカ人では眼疾患が一般的であり、視力や視力の低下につながることがある。 光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)により、臨床医が網膜血管の高品質な画像を取得することができる画像技術の最近の進歩 OCTAは、一般的なOCT画像から得られる構造情報と比較して、詳細な血管画像を提供する。
  論文  参考訳（メタデータ） (2024-07-21T23:24:49Z)
• Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
  将来性心血管疾患(CVD)の予知法としての光コヒーレンス断層撮影の可能性について検討した。 我々は,変分オートエンコーダ(VAE)に基づく自己教師型ディープラーニング手法を用いて,高次元 OCT 画像の低次元表現を学習した。 OCT画像で見られる脈絡膜層は,新しいモデル説明可能性アプローチを用いて,今後のCVD事象の予測因子として同定された。
  論文  参考訳（メタデータ） (2024-03-26T14:42:46Z)
• Identification of Hemorrhage and Infarct Lesions on Brain CT Images using Deep Learning [3.5263317784479953]
  頭部CTスキャンにおける異常脳組織の手動アノテーションの基準は、重大な欠点を伴っている。 頭蓋内出血 (ICH) と梗塞の判定は, 画像テクスチャ, ボリュームサイズ, スキャン品質の変動が原因で困難である。 本研究は,頭部CTスキャンからICHと梗塞を同定するDLベースのアルゴリズムを検証した。
  論文  参考訳（メタデータ） (2023-07-10T09:00:12Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using Deep Transformers and Explainable Artificial Intelligence [20.415917092103033]
  心筋炎は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。 HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発生に重要な役割を担っている 提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
  論文  参考訳（メタデータ） (2022-10-26T10:34:20Z)
• FAST-AID Brain: Fast and Accurate Segmentation Tool using Artificial Intelligence Developed for Brain [0.8376091455761259]
  ヒト脳の132領域への高速かつ正確なセグメンテーションのための新しい深層学習法を提案する。 提案モデルは、効率的なU-Netライクなネットワークと、異なるビューと階層関係の交差点の利点を利用する。 提案手法は,画像の事前処理や性能低下を伴わずに頭蓋骨や他の人工物を含む脳MRIデータに適用することができる。
  論文  参考訳（メタデータ） (2022-08-30T16:06:07Z)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T06:54:29Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• 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)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• 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。