論文の概要: Convolutional Neural Network for Early Pulmonary Embolism Detection via Computed Tomography Pulmonary Angiography

• arxiv url: http://arxiv.org/abs/2204.03204v1
• Date: Thu, 7 Apr 2022 04:16:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-09 04:39:49.645582
• Title: Convolutional Neural Network for Early Pulmonary Embolism Detection via Computed Tomography Pulmonary Angiography
• Title（参考訳）: CT肺血管造影による早期肺塞栓症検出のための畳み込みニューラルネットワーク
• Authors: Ching-Yuan Yu, Ming-Che Chang, Yun-Chien Cheng, Chin Kuo
• Abstract要約: 本研究の目的は,肺塞栓症(PE)患者を対象としたコンピュータ支援検出システムの開発である。 提案したCADシステムは,PE患者と非PE患者を区別し,自動的にPE病変をラベル付けする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study was conducted to develop a computer-aided detection (CAD) system for triaging patients with pulmonary embolism (PE). The purpose of the system was to reduce the death rate during the waiting period. Computed tomography pulmonary angiography (CTPA) is used for PE diagnosis. Because CTPA reports require a radiologist to review the case and suggest further management, this creates a waiting period during which patients may die. Our proposed CAD method was thus designed to triage patients with PE from those without PE. In contrast to related studies involving CAD systems that identify key PE lesion images to expedite PE diagnosis, our system comprises a novel classification-model ensemble for PE detection and a segmentation model for PE lesion labeling. The models were trained using data from National Cheng Kung University Hospital and open resources. The classification model yielded 0.73 for receiver operating characteristic curve (accuracy = 0.85), while the mean intersection over union was 0.689 for the segmentation model. The proposed CAD system can distinguish between patients with and without PE and automatically label PE lesions to expedite PE diagnosis
• Abstract（参考訳）: 本研究は,肺塞栓症(PE)患者を対象としたコンピュータ支援検出(CAD)システムの開発である。 システムの目的は、待機期間中の死亡率を下げることであった。 肺動脈造影(CTPA)はPE診断に有用である。 ctpaの報告では、患者を診察し、さらなる管理を推奨する必要があるため、患者が死ぬのを待つ期間が生まれる。 提案したCAD法は,PEを伴わない患者からPEをトリアージするように設計された。 PE診断の迅速化のための鍵PE病変像を同定するCADシステムに関する関連研究とは対照的に,本システムでは,PE検出のための新しい分類モデルアンサンブルと,PE病変ラベリングのためのセグメンテーションモデルを備える。 モデルは中国広東大学病院のデータとオープンリソースを使って訓練された。 分類モデルは受信特性曲線に対して0.73(精度=0.85)、結合上の平均交点はセグメンテーションモデルにおいて0.689であった。 提案したCADシステムは,PE患者と非PE患者を識別し,PE診断の迅速化のために自動的にPE病変をラベル付けする。

関連論文リスト

• Cross-Phase Mutual Learning Framework for Pulmonary Embolism Identification on Non-Contrast CT Scans [7.732867194190985]
  肺塞栓症 (PE) は, 急速かつ正確な診断が困難であるが, 主に非定型的な症状を呈する疾患である。 我々は,CTAからNCTスキャンへの知識伝達を促進する新しいクロスパス・ミューチュアル・ラーニング・フレームワーク (CPMN) を提案する。 CPMNは、NCTスキャンにおける患者レベルの感度と特異性において95.4%と99.6%の顕著な識別性能を達成している。
  論文  参考訳（メタデータ） (2024-07-16T09:29:33Z)
• SCUNet++: Swin-UNet and CNN Bottleneck Hybrid Architecture with Multi-Fusion Dense Skip Connection for Pulmonary Embolism CT Image Segmentation [2.7258121537483126]
  肺塞栓症 (PE) は右室肥大と重症症例の不全につながる肺疾患である。 従来のPE検出は、画像技術の限界により臨床実践における課題を呈する。 SCUNet++ (Swin Conv UNet++) と呼ばれる自動PEセグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2023-12-22T14:06:03Z)
• Computerized Tomography Pulmonary Angiography Image Simulation using Cycle Generative Adversarial Network from Chest CT imaging in Pulmonary Embolism Patients [0.0]
  本研究の目的は,肺塞栓症診断のためのCTPA画像を作成するシステムを開発することである。 本研究は, 深層学習ネットワークを用いた肺塞栓症の臨床診断への新たなアプローチを提案することを目的としている。
  論文  参考訳（メタデータ） (2022-05-17T06:02:33Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Weakly Supervised Attention Model for RV StrainClassification from volumetric CTPA Scans [2.7554288121906296]
  肺塞栓症 (PE) とは、血栓による肺動脈の閉塞をいう。 高リスクPEは急性圧負荷による右室機能障害が原因である。 我々は、RVひずみを自動的に分類する新しいアテンション機構に重点を置いた、弱教師付きディープラーニングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-07-26T07:57:31Z)
• Attention based CNN-LSTM Network for Pulmonary Embolism Prediction on Chest Computed Tomography Pulmonary Angiograms [22.62583095023903]
  肺塞栓症(PE)は最も致命的な心血管疾患の一つである。 PE予測のための2段階注目型CNN-LSTMネットワークを提案する。 本フレームワークはマルチスライス手法を用いて放射線診断プロセスのミラーリングを行う。
  論文  参考訳（メタデータ） (2021-07-13T17:58:15Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

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。