論文の概要: Deep morphological recognition of kidney stones using intra-operative endoscopic digital videos

• arxiv url: http://arxiv.org/abs/2205.06093v1
• Date: Thu, 12 May 2022 13:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-13 12:30:02.286736
• Title: Deep morphological recognition of kidney stones using intra-operative endoscopic digital videos
• Title（参考訳）: 術中内視鏡デジタルビデオによる腎臓結石の深部形態認識
• Authors: Vincent Estrade, Michel Daudon, Emmanuel Richard, Jean-Christophe Bernhard, Franck Bladou, Gregoire Robert, Laurent Facq, Baudouin Denis de Senneville
• Abstract要約: レーザーによる尿石の断片化は、現在最も確立された外科的介入であり、標的石の形態を破壊する可能性がある。 本研究は,石の形態的特徴の自動認識のための完全デジタル内視鏡映像シーケンスの処理性能と付加価値を評価するものである。
• 参考スコア（独自算出の注目度）: 0.30382867467444796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The collection and the analysis of kidney stone morphological criteria are essential for an aetiological diagnosis of stone disease. However, in-situ LASER-based fragmentation of urinary stones, which is now the most established chirurgical intervention, may destroy the morphology of the targeted stone. In the current study, we assess the performance and added value of processing complete digital endoscopic video sequences for the automatic recognition of stone morphological features during a standard-of-care intra-operative session. To this end, a computer-aided video classifier was developed to predict in-situ the morphology of stone using an intra-operative digital endoscopic video acquired in a clinical setting. The proposed technique was evaluated on pure (i.e. include one morphology) and mixed (i.e. include at least two morphologies) stones involving "Ia/Calcium Oxalate Monohydrate (COM)", "IIb/ Calcium Oxalate Dihydrate (COD)" and "IIIb/Uric Acid (UA)" morphologies. 71 digital endoscopic videos (50 exhibited only one morphological type and 21 displayed two) were analyzed using the proposed video classifier (56840 frames processed in total). Using the proposed approach, diagnostic performances (averaged over both pure and mixed stone types) were as follows: balanced accuracy=88%, sensitivity=80%, specificity=95%, precision=78% and F1-score=78%. The obtained results demonstrate that AI applied on digital endoscopic video sequences is a promising tool for collecting morphological information during the time-course of the stone fragmentation process without resorting to any human intervention for stone delineation or selection of good quality steady frames. To this end, irrelevant image information must be removed from the prediction process at both frame and pixel levels, which is now feasible thanks to the use of AI-dedicated networks.
• Abstract（参考訳）: 腎臓結石の形態学的基準の収集と解析は,石疾患の審美学的診断に不可欠である。 しかし、現在最も確立された外科的介入であるレーザーによる尿石の断片化は、標的石の形態を損なう可能性がある。 本研究は, 術中標準セッションにおける石の形態的特徴の自動認識のための, 完全デジタル内視鏡映像シーケンスの処理性能と付加価値を評価するものである。 そこで, 臨床現場で取得した術中デジタル内視鏡映像を用いて, 石の形態をその場で予測するコンピュータ支援ビデオ分類器を開発した。 提案手法は,純石 (1つの形態を含む) と混合石 (少なくとも2つの形態を含む) について評価し, 「ia/calcium oxalate monohydrate (com), "iib/ calcium oxalate dihydrate (cod), "iiib/uric acid (ua) 形態について検討した。 71のディジタル内視鏡映像(形態素型50個,表示21個)を,提案するビデオ分類器(計56840フレーム)を用いて解析した。 提案手法では, 精度88%, 感度80%, 特異度95%, 精度78%, およびf1-score=78%のバランスをとっていた。 以上の結果から, ディジタル内視鏡映像系列に適用したaiは, 石の断片化過程の経過中に, 人的介入や良質な定常フレームの選択に頼らずに形態情報を収集できる有望なツールであることが示された。 この目的のために、フレームとピクセルレベルでの予測プロセスから無関係な画像情報を取り除く必要がある。

関連論文リスト

• Evaluating the plausibility of synthetic images for improving automated endoscopic stone recognition [0.9480662172227129]
  現在、Morpho-Constitutional Analysis (MCA) は腎臓結石の組織学的診断における事実上のアプローチである。 近年では、内視鏡的石盤認識(ESR)と呼ばれる、そのようなタスクを術中実行することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-09-20T11:19:08Z)
• Improving Prototypical Parts Abstraction for Case-Based Reasoning Explanations Designed for the Kidney Stone Type Recognition [2.5506430540951763]
  尿管鏡による腎結石の同定は、尿学の大きな医学的進歩となる。 近年,尿管鏡画像を用いて腎臓結石のタイプを自動的に認識する深層学習(DL)モデルが提案されている。 このコントリビューションは, 原型部品(PP)を使用し, 局所的および大域的記述子を生成するケースベース推論DLモデルを提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:27:32Z)
• Boosting Kidney Stone Identification in Endoscopic Images Using Two-Step Transfer Learning [0.8431877864777444]
  提案手法は,CCDカメラで取得した腎臓結石の画像に基づいて得られた知識を,内視鏡画像から画像を分類する最終モデルに伝達する。 その結果、類似した情報を持つ異なる領域からの学習特徴が、実環境における分類を行うモデルの性能向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-24T23:22:22Z)
• TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
  身体CT画像の深層学習セグメント化モデルを提案する。 このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
  論文  参考訳（メタデータ） (2022-08-11T15:16:40Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Towards Automatic Recognition of Pure & Mixed Stones using Intraoperative Endoscopic Digital Images [0.5709573160862248]
  深層畳み込みニューラルネットワークは、純石と混合石の両方の組成を予測するために訓練された。 表面画像を用いた「純IIIb/UA」の感度は98 %であった。 混合型"Ia/COM+IIb/COD"では, 表面像の84 %, IIb/CODの70 %, それぞれ65 %でIa/COMが予測された。
  論文  参考訳（メタデータ） (2021-05-22T10:52:19Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Assessing deep learning methods for the identification of kidney stones in endoscopic images [0.0]
  腎臓石のタイプ(すなわち生化学組成)を知ることは再発を防ぐために重要である。 尿素コピー中に腎臓結石を断片化し、尿路から抽出し、その組成を形態構成分析を用いて決定する。 本稿では、ディープ畳み込みニューラルネットワーク(DCNN)と従来の(非DCNN)の5つの分類手法について論じ、比較する。
  論文  参考訳（メタデータ） (2021-03-01T17:31:01Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。