論文の概要: Automated Precision Localization of Peripherally Inserted Central Catheter Tip through Model-Agnostic Multi-Stage Networks

• arxiv url: http://arxiv.org/abs/2206.06730v1
• Date: Tue, 14 Jun 2022 10:26:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-15 15:40:39.541270
• Title: Automated Precision Localization of Peripherally Inserted Central Catheter Tip through Model-Agnostic Multi-Stage Networks
• Title（参考訳）: モデル非依存型マルチステージネットワークによる末梢挿入型中央カテーテルチップの自動位置決め
• Authors: Subin Park, Yoon Ki Cha, Soyoung Park, Kyung-Su Kim, Myung Jin Chung
• Abstract要約: 末梢挿入型中心カテーテル(PICC)は,感染率の低い長期血管内アクセスにより,CVCの代表的中心静脈の1つとして広く用いられている。 PICCの致命的な欠点は、先端の誤植の頻度が高く、穿刺、塞栓、心不整脈などの合併症のリスクが高まることである。 最新のディープラーニング(DL)技術を使って、それを自動的かつ正確に検出することで、様々な試みがなされている。 本研究の目的は,既存のモデルに適用可能なシステムを開発し,PICCラインをより正確に復元することである。
• 参考スコア（独自算出の注目度）: 3.5255361096618523
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Peripherally inserted central catheters (PICCs) have been widely used as one of the representative central venous lines (CVCs) due to their long-term intravascular access with low infectivity. However, PICCs have a fatal drawback of a high frequency of tip mispositions, increasing the risk of puncture, embolism, and complications such as cardiac arrhythmias. To automatically and precisely detect it, various attempts have been made by using the latest deep learning (DL) technologies. However, even with these approaches, it is still practically difficult to determine the tip location because the multiple fragments phenomenon (MFP) occurs in the process of predicting and extracting the PICC line required before predicting the tip. This study aimed to develop a system generally applied to existing models and to restore the PICC line more exactly by removing the MFs of the model output, thereby precisely localizing the actual tip position for detecting its disposition. To achieve this, we proposed a multi-stage DL-based framework post-processing the PICC line extraction result of the existing technology. The performance was compared by each root mean squared error (RMSE) and MFP incidence rate according to whether or not MFCN is applied to five conventional models. In internal validation, when MFCN was applied to the existing single model, MFP was improved by an average of 45%. The RMSE was improved by over 63% from an average of 26.85mm (17.16 to 35.80mm) to 9.72mm (9.37 to 10.98mm). In external validation, when MFCN was applied, the MFP incidence rate decreased by an average of 32% and the RMSE decreased by an average of 65\%. Therefore, by applying the proposed MFCN, we observed the significant/consistent detection performance improvement of PICC tip location compared to the existing model.
• Abstract（参考訳）: 末梢挿入型中心カテーテル(PICC)は,感染率の低い長期血管内アクセスにより,CVCの代表的中心静脈の1つとして広く用いられている。 しかし、PICCは、高い頻度のチップ誤植の致命的な欠点があり、穿刺、塞栓、心不整脈などの合併症のリスクが増大する。 自動的かつ正確に検出するために、最新のディープラーニング(DL)技術を用いて様々な試みがなされている。 しかし,これらの手法においても,複数フラグメント現象(mfp)は先端予測に要するpicc線を予測・抽出する過程で発生するため,先端位置の決定は事実上困難である。 本研究の目的は,既存のモデルに適用可能なシステムを開発し,モデル出力のMFを除去することでPICCラインをより正確に復元することであり,その配置を検出するための実際の先端位置を正確に特定することであった。 そこで我々は,既存技術のPICC線抽出結果を後処理する多段階DLベースのフレームワークを提案する。 MFCNが従来の5種類のモデルに適用されるか否かに応じて,各ルート平均二乗誤差(RMSE)とMFP出現率を比較した。 内部検証では、MFCNを既存の単一モデルに適用すると、MFPは平均45%改善した。 RMSEは平均26.85mm (17.16 - 35.80mm) から9.72mm (9.37 - 10.98mm) まで63%向上した。 また,MFCNを適用した場合,MFPは平均32%減少し,RMSEは平均65%低下した。 そこで,提案したMFCNを適用し,既存のモデルと比較してPICCチップ位置の有意/無矛盾検出性能の向上を観測した。

関連論文リスト

• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Continuous sPatial-Temporal Deformable Image Registration (CPT-DIR) for motion modelling in radiotherapy: beyond classic voxel-based methods [10.17207334278678]
  CPT-DIR(Continuous-sPatial-Temporal DIR)という,空間と時間の両方で連続的に動きをモデル化する暗黙的ニューラル表現(INR)に基づくアプローチを提案する。 DIRは,10例の肺4DCTのDIR-Labデータセットを用いて,ランドマーク精度(TRE),輪郭適合度(Dice),画像類似度(MAE)の測定を行った。 提案したCPT-DIRは、ランドマークTREを2.79mmから0.99mmに減らし、すべてのケースにおいてBスプラインの結果より優れている。
  論文  参考訳（メタデータ） (2024-05-01T10:26:08Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• Toward Automated Detection of Microbleeds with Anatomical Scale Localization: A Complete Clinical Diagnosis Support Using Deep Learning [7.935250296491891]
  脳微小出血(CMBs)は、脳組織の小さな血液産物の慢性的な沈着物である。 本稿では,CMBを検出するだけでなく,解剖学的位置を知らせる新しい3次元ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-22T16:29:46Z)
• 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)
• ReCasNet: Improving consistency within the two-stage mitosis detection framework [5.263015177621435]
  既存のアプローチでは、潜在的な有糸分裂細胞の位置を特定するための検出ステージと、予測信頼性を精査するための分類ステージという、2段階のパイプラインが使用されている。 このパイプライン定式化は、検出段階の予測品質の低下と、トレーニングデータ分布のミスマッチによる分類段階の不整合につながる可能性がある。 Refine Cascade Network(ReCasNet)は,先述した問題を3つの改善で軽減する,拡張されたディープラーニングパイプラインである。
  論文  参考訳（メタデータ） (2022-02-28T16:03:14Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• 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)
• Deep Learning Based Detection and Localization of Intracranial Aneurysms in Computed Tomography Angiography [5.973882600944421]
  初期動脈瘤検出のための3D領域提案ネットワークと偽陽性縮小のための3D DenseNetという2段階モデルが実装された。 本モデルでは,0.25FPPV,最高F-1スコアと比較すると,統計的に高い精度,感度,特異性を示した。
  論文  参考訳（メタデータ） (2020-05-22T10:49:23Z)

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。