Fugu-MT 論文翻訳(概要): OCTOPUS -- optical coherence tomography plaque and stent analysis software

論文の概要: OCTOPUS -- optical coherence tomography plaque and stent analysis software

arxiv url: http://arxiv.org/abs/2204.10212v1
Date: Thu, 21 Apr 2022 15:49:03 GMT
ステータス: 処理完了
システム内更新日: 2022-04-22 16:23:10.569602
Title: OCTOPUS -- optical coherence tomography plaque and stent analysis software
Title（参考訳）: octopus --光学コヒーレンス断層撮影用プラークおよびステント分析ソフトウェア
Authors: Juhwan Lee, Justin N. Kim, Yazan Gharaibeh, Vladislav N. Zimin, Luis A. P. Dallan, Gabriel T. R. Pereira, Armando Vergara-Martel, Chaitanya Kolluru, Ammar Hoori, Hiram G. Bezerra, and David L. Wilson
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Compared with other imaging modalities, intravascular optical coherence tomography (IVOCT) has significant advantages for guiding percutaneous coronary interventions. To aid IVOCT research studies, we developed the Optical Coherence TOmography PlaqUe and Stent (OCTOPUS) analysis software. To automate image analysis results, the software includes several important algorithmic steps: pre-processing, deep learning plaque segmentation, machine learning identification of stent struts, and registration of pullbacks. Interactive visualization and manual editing of segmentations were included in the software. Quantifications include stent deployment characteristics (e.g., stent strut malapposition), strut level analysis, calcium angle, and calcium thickness measurements. Interactive visualizations include (x,y) anatomical, en face, and longitudinal views with optional overlays. Underlying plaque segmentation algorithm yielded excellent pixel-wise results (86.2% sensitivity and 0.781 F1 score). Using OCTOPUS on 34 new pullbacks, we determined that following automated segmentation, only 13% and 23% of frames needed any manual touch up for detailed lumen and calcification labeling, respectively. Only up to 3.8% of plaque pixels were modified, leading to an average editing time of only 7.5 seconds/frame, an approximately 80% reduction compared to manual analysis. Regarding stent analysis, sensitivity and precision were both greater than 90%, and each strut was successfully classified as either covered or uncovered with high sensitivity (94%) and specificity (90%). We introduced and evaluated the clinical application of a highly automated software package, OCTOPUS, for quantitative plaque and stent analysis in IVOCT images. The software is currently used as an offline tool for research purposes; however, the software's embedded algorithms may also be useful for real-time treatment planning.
Abstract（参考訳）: 血管内光コヒーレンス断層法(IVOCT)は,他の画像法と比較して,経皮的冠動脈インターベンションを誘導する上で大きな利点がある。 IVOCT研究を支援するために,光コヒーレンス断層撮影用PlaqUeとStent(OCTOPUS)解析ソフトウェアを開発した。画像解析結果を自動化するために、ソフトウェアは、事前処理、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を含む。インタラクティブな可視化とセグメントの手動編集がソフトウェアに含まれていた。定量には、ステント展開特性(ステントストラットの奇形化など)、ストラットレベル分析、カルシウム角、カルシウム厚測定などがある。インタラクティブな視覚化には、(x,y)解剖学、顔、およびオプションのオーバーレイを伴う縦方向のビューが含まれる。下位のプラーク分割アルゴリズムは優れたピクセル単位の結果(感度86.2%、F1スコア0.781)を得た。 OCTOPUSを34種類の新しいプルバックに適用し, 自動セグメンテーションにより, 13%と23%のフレームが, 詳細なルーメンと石灰化ラベリングのために手動でタッチアップする必要が生じた。最大3.8%のプラークピクセルが修正され、平均編集時間は7.5秒/フレームとなり、手作業による解析に比べて約80%削減された。ステント分析では,感度と精度は90%以上であり,各ストラットは高い感度 (94%) と特異性 (90%) で被覆または検出された。 IVOCT画像における定量的プラークおよびステント解析のための高度自動化ソフトウェアパッケージOCTOPUSの導入と臨床応用について検討した。このソフトウェアは現在研究目的のオフラインツールとして使用されているが、組込みアルゴリズムはリアルタイムな治療計画にも有用である。

関連論文リスト

Lung Disease Detection with Vision Transformers: A Comparative Study of Machine Learning Methods [0.0]
本研究では,機械学習における最先端アーキテクチャであるビジョントランスフォーマー(ViT)の胸部X線解析への応用について検討する。胸部X線像と肺分画領域に焦点を当てた2つのViT法の比較検討を行った。
論文参考訳（メタデータ） (2024-11-18T08:40:25Z)
HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic Joint Infection Diagnosis Using CT Images and Text [0.0]
補綴関節感染症(PJI)は重篤な合併症である。現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
論文参考訳（メタデータ） (2023-05-29T11:25:57Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
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)
Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文参考訳（メタデータ） (2021-08-21T16:15:40Z)
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)
An automated and multi-parametric algorithm for objective analysis of meibography images [3.5168817881283663]
我々は,メボグラフィー画像の客観的かつ定量的解析のための,自動多パラメータアルゴリズムを開発した。本アルゴリズムの有効性は,15例のミーボグラフィー画像の典型的なメリボミアン腺の解析において実証された。
論文参考訳（メタデータ） (2020-10-29T04:26:51Z)
Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文参考訳（メタデータ） (2020-05-08T02:16:17Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)
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)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。