Fugu-MT 論文翻訳(概要): Automated analysis of fibrous cap in intravascular optical coherence tomography images of coronary arteries

論文の概要: Automated analysis of fibrous cap in intravascular optical coherence tomography images of coronary arteries

arxiv url: http://arxiv.org/abs/2204.10162v1
Date: Thu, 21 Apr 2022 15:15:23 GMT
ステータス: 処理完了
システム内更新日: 2022-04-22 16:38:06.707152
Title: Automated analysis of fibrous cap in intravascular optical coherence tomography images of coronary arteries
Title（参考訳）: 冠動脈の血管内光コヒーレンス断層像における線維性キャップの自動解析
Authors: Juhwan Lee, Gabriel T. R. Pereira, Yazan Gharaibeh, Chaitanya Kolluru, Vladislav N. Zimin, Luis A. P. Dallan, Justin N. Kim, Ammar Hoori, Sadeer G. Al-Kindi, Giulio Guagliumi, Hiram G. Bezerra, and David L. Wilson
Abstract要約: 血栓症や急性冠症候群の危険因子として, 薄いキャップ型線維化細胞腫 (TCFA) とプラーク破裂が認められている。血管内光コヒーレンストモグラフィー(IV OCT)は,TCFAを同定し,キャップ厚を評価し,プラークの脆弱性を評価する機会を与える。われわれは,IV OCT画像における脂肪性プラークの検出と線維性キャップ厚の評価を自動で行う方法を開発した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Thin-cap fibroatheroma (TCFA) and plaque rupture have been recognized as the most frequent risk factor for thrombosis and acute coronary syndrome. Intravascular optical coherence tomography (IVOCT) can identify TCFA and assess cap thickness, which provides an opportunity to assess plaque vulnerability. We developed an automated method that can detect lipidous plaque and assess fibrous cap thickness in IVOCT images. This study analyzed a total of 4,360 IVOCT image frames of 77 lesions among 41 patients. To improve segmentation performance, preprocessing included lumen segmentation, pixel-shifting, and noise filtering on the raw polar (r, theta) IVOCT images. We used the DeepLab-v3 plus deep learning model to classify lipidous plaque pixels. After lipid detection, we automatically detected the outer border of the fibrous cap using a special dynamic programming algorithm and assessed the cap thickness. Our method provided excellent discriminability of lipid plaque with a sensitivity of 85.8% and A-line Dice coefficient of 0.837. By comparing lipid angle measurements between two analysts following editing of our automated software, we found good agreement by Bland-Altman analysis (difference 6.7+/-17 degree; mean 196 degree). Our method accurately detected the fibrous cap from the detected lipid plaque. Automated analysis required a significant modification for only 5.5% frames. Furthermore, our method showed a good agreement of fibrous cap thickness between two analysts with Bland-Altman analysis (4.2+/-14.6 micron; mean 175 micron), indicating little bias between users and good reproducibility of the measurement. We developed a fully automated method for fibrous cap quantification in IVOCT images, resulting in good agreement with determinations by analysts. The method has great potential to enable highly automated, repeatable, and comprehensive evaluations of TCFAs.
Abstract（参考訳）: thin-cap fibroatheroma (tcfa) とプラーク破裂は血栓症と急性冠症候群の最も頻度の高い危険因子として認識されている。血管内光コヒーレンス断層撮影(IVOCT)は,TCFAを同定し,被膜厚を評価し,プラークの脆弱性を評価する機会を与える。 IVOCT画像から脂肪性プラークを検出し,線維性キャップ厚を評価する自動手法を開発した。本研究は41例の77病変の4,360 ivoct画像フレームを分析した。セグメンテーション性能を向上させるために、前処理は、生極(r,theta)IVOCT画像のルーメンセグメンテーション、画素シフト、ノイズフィルタリングを含む。 deeplab-v3+ディープラーニングモデルを用いて,脂質性プラーク画素の分類を行った。脂質検出後, 特殊な動的プログラムアルゴリズムを用いて繊維性キャップの外縁を自動的に検出し, 被膜厚を評価した。油脂プラークの感度は85.8%,A線ジス係数は0.837であった。自動ソフトウェア編集後の2人のアナリスト間での脂質角測定を比較することで,Bland-Altman分析(差6.7+/-17度,平均196度)による良好な一致を得た。検出された脂質プラークから線維性キャップを正確に検出した。自動分析は5.5%のフレームに対して大きな修正を必要とした。さらに,Bland-Altman 分析による2つの分析者 (4.2+/-14.6 micron; 平均175 micron) 間の線維性キャップ厚の一致が良好であった。本研究では, ivoct画像における線維性キャップ定量化の完全自動化法を開発し, 分析者による判定と良好に一致した。この手法は、高度に自動化され、反復可能で、包括的なTCFAの評価を可能にする大きな可能性を秘めている。

関連論文リスト

OCTolyzer: Fully automatic analysis toolkit for segmentation and feature extracting in optical coherence tomography (OCT) and scanning laser ophthalmoscopy (SLO) data [3.8485899972356337]
OCTolyzerは光学コヒーレンストモグラフィー(OCT)および走査型レーザー眼鏡(SLO)画像における網膜脈絡膜解析のためのオープンソースツールキットである。
論文参考訳（メタデータ） (2024-07-19T08:56:12Z)
Few Shot Learning for the Classification of Confocal Laser Endomicroscopy Images of Head and Neck Tumors [0.33384431000910975]
CLE画像の解剖学的領域への一般化に向けた4つの一般的な数個のショット学習手法の評価を行った。 5例の鼻腔腫瘍 (SNT) 像と, 11例の声帯腫瘍 (VF) 像について, クロスバリデーション法を用いて検討した。
論文参考訳（メタデータ） (2023-11-13T10:17:00Z)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文参考訳（メタデータ） (2022-08-22T22:01:44Z)
Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文参考訳（メタデータ） (2022-08-22T13:57:04Z)
OCTOPUS -- optical coherence tomography plaque and stent analysis software [0.0]
血管内光コヒーレンストモグラフィ(IV OCT)は,経皮的冠動脈インターベンションの導出に有用である。我々は,光コヒーレンストモグラフィPlaqUeとStent(OCTOPUS)解析ソフトウェアを開発した。ソフトウェアには、前処理、ディープラーニングプラークセグメンテーション、ステントストラットの機械学習識別、プルバックの登録など、いくつかの重要なアルゴリズムステップが含まれている。
論文参考訳（メタデータ） (2022-04-21T15:49:03Z)
Corneal Pachymetry by AS-OCT after Descemet's Membrane Endothelial Keratoplasty [4.2746930004446275]
角膜厚 (pachymetry) マップは角膜内皮機能の回復をモニターするために用いられる。深層学習は角膜界面を自動的にデライン化し、角膜厚を測定するために用いられる。
論文参考訳（メタデータ） (2021-02-15T20:56:54Z)
OCT-GAN: Single Step Shadow and Noise Removal from Optical Coherence Tomography Images of the Human Optic Nerve Head [47.812972855826985]
我々は、ノイズと網膜の影の両方を10.4ms以内で見えない単一フレームのBスキャンから除去する単一プロセスを開発した。提案アルゴリズムは,長い画像取得時間の必要性を低減し,高価なハードウェア要件を最小化し,OCT画像の動作アーティファクトを低減する。
論文参考訳（メタデータ） (2020-10-06T08:32:32Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
Residual Attention U-Net for Automated Multi-Class Segmentation of COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-12T16:24:59Z)
Coronary Artery Segmentation from Intravascular Optical Coherence Tomography Using Deep Capsules [0.0]
血管内光コヒーレンストモグラフィーによる冠動脈の分画と解析は,冠動脈疾患の診断と管理の重要な側面である。現在の画像処理手法は、専門家ラベル付きデータセットを生成するのに必要な時間と、分析中のバイアスの可能性によって妨げられている。セグメンテーションの品質を犠牲にすることなく、推論時に高速なメモリフットプリントのモデルを開発する。私たちは、私たちの開発が12%のパラメータを使用しながら、セグメンテーション品質とロバストネスの観点から最先端の機械学習手法と同等のモデルであるDeepCapにつながっていることを示しています。
論文参考訳（メタデータ） (2020-03-13T01:37:45Z)

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。