論文の概要: The Kidneys Are Not All Normal: Investigating the Speckle Distributions of Transplanted Kidneys

• arxiv url: http://arxiv.org/abs/2206.06654v1
• Date: Tue, 14 Jun 2022 07:46:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-16 02:16:57.724041
• Title: The Kidneys Are Not All Normal: Investigating the Speckle Distributions of Transplanted Kidneys
• Title（参考訳）: 腎臓は正常ではない:移植腎臓のスペックル分布に関する研究
• Authors: Rohit Singla, Ricky Hu, Cailin Ringstrom, Victoria Lessoway, Janice Reid, Christopher Nguan, Robert Rohling
• Abstract要約: 移植腎の超音波スペックルがどの分布を示すかは分かっていない。 これらの分布は、年齢、性別、体重指数、原発性疾患、ドナータイプなど、患者の変数によってどのように異なるかは不明である。 これらの特徴は腎臓解剖に影響を及ぼすため、スペックルモデリングに影響を及ぼす可能性がある。
• 参考スコア（独自算出の注目度）: 2.5571079797365965
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modelling ultrasound speckle has generated considerable interest for its ability to characterize tissue properties. As speckle is dependent on the underlying tissue architecture, modelling it may aid in tasks like segmentation or disease detection. However, for the transplanted kidney where ultrasound is commonly used to investigate dysfunction, it is currently unknown which statistical distribution best characterises such speckle. This is especially true for the regions of the transplanted kidney: the cortex, the medulla and the central echogenic complex. Furthermore, it is unclear how these distributions vary by patient variables such as age, sex, body mass index, primary disease, or donor type. These traits may influence speckle modelling given their influence on kidney anatomy. We are the first to investigate these two aims. N=821 kidney transplant recipient B-mode images were automatically segmented into the cortex, medulla, and central echogenic complex using a neural network. Seven distinct probability distributions were fitted to each region. The Rayleigh and Nakagami distributions had model parameters that differed significantly between the three regions (p <= 0.05). While both had excellent goodness of fit, the Nakagami had higher Kullbeck-Leibler divergence. Recipient age correlated weakly with scale in the cortex (Omega: rho = 0.11, p = 0.004), while body mass index correlated weakly with shape in the medulla (m: rho = 0.08, p = 0.04). Neither sex, primary disease, nor donor type demonstrated any correlation. We propose the Nakagami distribution be used to characterize transplanted kidneys regionally independent of disease etiology and most patient characteristics based on our findings.
• Abstract（参考訳）: 超音波スペックルのモデリングは、組織特性を特徴づける能力にかなりの関心を寄せている。 スペックルは基盤となる組織構造に依存しているため、モデリングはセグメンテーションや疾患検出といったタスクに役立つ可能性がある。 しかし, 超音波検査が一般的である移植腎では, 統計学的分布がこれらのスペックルを最も特徴付けるかは不明である。 これは、移植された腎臓の領域(大脳皮質、髄膜、および中心エコー原性複合体)に特に当てはまる。 さらに, 年齢, 性別, 体重指数, 原発性疾患, ドナータイプなど, 患者によってどのような分布が変化するかは明らかになっていない。 これらの特徴は腎臓解剖に影響を及ぼすため、スペックルモデリングに影響を及ぼす可能性がある。 私たちはこの2つの目的を最初に調査する。 N=821腎移植後Bモード画像は, 神経回路を用いて自動的に大脳皮質, 髄膜, 心エコー原性複合体に分割された。 それぞれの地域に7つの異なる確率分布が配置された。 レイリー分布とナカガミ分布は3つの領域で大きく異なるモデルパラメータを持っていた(p <= 0.05)。 両者は良好な適合性を持っていたが、中上層はクルベック・リーブラーの分岐度が高かった。 受胎年齢は大脳皮質のスケール (omega: rho = 0.11, p = 0.004) と弱相関し, 体格指数は髄質の形状 (m: rho = 0.08, p = 0.04) と弱相関した。 性別も初診病もドナー型も相関は認められなかった。 疾患の病因によらず,移植腎を局所的に特徴付ける中上分布について検討し,その特徴について検討した。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Adaptive Local Binary Pattern: A Novel Feature Descriptor for Enhanced Analysis of Kidney Abnormalities in CT Scan Images using ensemble based Machine Learning Approach [0.0]
  腎機能低下を特徴とする腎不全は、嚢胞、石、腫瘍などの要因によって引き起こされる。 慢性腎臓病は早期に発症し、進行期に達するまで治療を受けない症例が生じることがある。 ダッカの複数の病院で撮影された12,427枚の画像からなるデータセットは、嚢胞、腫瘍、石、正常の4つのグループに分類された。
  論文  参考訳（メタデータ） (2024-04-22T20:15:43Z)
• Advances in Kidney Biopsy Lesion Assessment through Dense Instance Segmentation [0.3926357402982764]
  textbfDiffRegFormerは、関心領域内のマルチクラスのマルチスケールオブジェクト用に設計された、エンドツーエンドの高密度なインスタンスセグメンテーションモデルである。 ジョーンズの148個の銀色の腎WSIのデータセットでは、芸術モデルの状態を上回り、APは52.1%(検出)と46.8%(分離)である。 病変分類サブネットワークは21889のオブジェクトパッチに対して89.2%の精度と64.6%のリコールを達成した。
  論文  参考訳（メタデータ） (2023-09-29T11:59:57Z)
• MesoGraph: Automatic Profiling of Malignant Mesothelioma Subtypes from Histological Images [0.0]
  我々は,組織領域をセルレゾリューションに分解できるモデルを学ぶために,ランキング損失を低減した新しいデュアルタスクグラフニューラルネットワーク(GNN)アーキテクチャを開発した。 これにより、サンプル中の全ての細胞のサルコカトイド関連スコアに従って、腫瘍サンプルの定量的なプロファイリングが可能になる。 本モデルで同定された形態的相違は,病理学者が用いた既知の相違と一致することが判明した。
  論文  参考訳（メタデータ） (2023-02-23T11:11:55Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• ThoraX-PriorNet: A Novel Attention-Based Architecture Using Anatomical Prior Probability Maps for Thoracic Disease Classification [2.0319363307774476]
  胸部疾患は, 他と比較して, 特定の解剖学的領域で発生しやすいことが知られている。 本稿では、この病気と地域依存の事前確率分布をディープラーニングフレームワークに組み込むことを目的とする。
  論文  参考訳（メタデータ） (2022-10-06T15:38:02Z)
• Localizing the Recurrent Laryngeal Nerve via Ultrasound with a Bayesian Shape Framework [65.19784967388934]
  RLN(recurrent laryngeal nerve)の腫瘍浸潤は, 甲状腺摘出術の抗腫瘍剤であり, 標準喉頭鏡による検出が困難である。 本稿では,外科医がRLNを周囲の臓器に従って識別する標準的なアプローチを模倣した,RLNの局所化のための知識駆動型フレームワークを提案する。 実験結果から, 提案手法は, 最先端手法と比較して, 高いヒット率とかなり小さい距離誤差を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-30T13:04:42Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Domain Invariant Model with Graph Convolutional Network for Mammogram Classification [49.691629817104925]
  グラフ畳み込みネットワークを用いたドメイン不変モデル(DIM-GCN)を提案する。 まず,潜伏変数を病原性その他の疾患関連部位に明示的に分解するベイズネットワークを提案する。 マクロな特徴をよりよく捉えるために、我々は、GCN(Graph Convolutional Network)を介して、観察された臨床特性を再構築の目的として活用する。
  論文  参考訳（メタデータ） (2022-04-21T08:23:44Z)
• Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
  本稿では,容積医用画像における多変量分類の課題について紹介する。 本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。 そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
  論文  参考訳（メタデータ） (2021-11-24T01:14:33Z)
• Kidney segmentation using 3D U-Net localized with Expectation Maximization [0.0]
  畳み込みニューラルネットワークは、大きなバイオメディカルな3D画像から臓器を分割するために使われてきた。 本稿では,3次元MRIのセグメンテーションにおける課題に対処する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-03-20T02:38:32Z)

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。