論文の概要: Quantitative CT texture-based method to predict diagnosis and prognosis
of fibrosing interstitial lung disease patterns
- arxiv url: http://arxiv.org/abs/2206.09766v1
- Date: Mon, 20 Jun 2022 13:27:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 15:20:12.816484
- Title: Quantitative CT texture-based method to predict diagnosis and prognosis
of fibrosing interstitial lung disease patterns
- Title（参考訳）: 定量的CTテクスチャ法による線維化性間質性肺疾患の診断と予後予測
- Authors: Babak Haghighi, Warren B. Gefter, Lauren Pantalone, Despina Kontos,
Eduardo Mortani Barbosa Jr
- Abstract要約: 線維化性間質性肺疾患(ILD)の診断・予後予測のための高分解能定量的CT(QCT)イメージング
40例(通常間質性肺炎20例,非間質性肺炎20例,非間質性肺炎20例)を放射線技師2名による専門的コンセンサスで分類し,7年間経過した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Purpose: To utilize high-resolution quantitative CT (QCT) imaging features
for prediction of diagnosis and prognosis in fibrosing interstitial lung
diseases (ILD). Approach: 40 ILD patients (20 usual interstitial pneumonia
(UIP), 20 non-UIP pattern ILD) were classified by expert consensus of 2
radiologists and followed for 7 years. Clinical variables were recorded.
Following segmentation of the lung field, a total of 26 texture features were
extracted using a lattice-based approach (TM model). The TM model was compared
with previously histogram-based model (HM) for their abilities to classify UIP
vs non-UIP. For prognostic assessment, survival analysis was performed
comparing the expert diagnostic labels versus TM metrics. Results: In the
classification analysis, the TM model outperformed the HM method with AUC of
0.70. While survival curves of UIP vs non-UIP expert labels in Cox regression
analysis were not statistically different, TM QCT features allowed
statistically significant partition of the cohort. Conclusions: TM model
outperformed HM model in distinguishing UIP from non-UIP patterns. Most
importantly, TM allows for partitioning of the cohort into distinct survival
groups, whereas expert UIP vs non-UIP labeling does not. QCT TM models may
improve diagnosis of ILD and offer more accurate prognostication, better
guiding patient management.
- Abstract（参考訳）: 目的: 線維化間質性肺疾患(ild)の診断と予後予測に高分解能定量ct(qct)画像の特徴を利用する。
アプローチ: ild患者40名(通常間質性肺炎20名,非uipパターンidd20名)を放射線科医2名の専門家コンセンサスで分類し,その後7年間経過した。
臨床変数が記録された。
肺野のセグメンテーション後, 格子型アプローチ(tmモデル)を用いて26種類のテクスチャ特徴を抽出した。
従来のヒストグラムモデル (HM) と比較して, UIP と非UIP の分類が可能であった。
予後評価のために, 専門診断ラベルとTM測定値を比較し, 生存分析を行った。
結果: 分類分析では, TMモデルはAUC0.70でHM法より優れていた。
cox回帰分析におけるuipと非uipエキスパートラベルの生存曲線は統計的に異なるものではなかったが、tm qctの特徴は統計的に有意なコホート分割を可能にした。
結論: TMモデルは、UIP以外のパターンとUIPを区別する上で、HMモデルを上回った。
最も重要なことに、TMはコホートを異なる生存グループに分割することができるが、専門家のUIP対非UIPラベリングはそうではない。
QCT TMモデルはILDの診断を改善し、より正確な予後と患者管理の指針を提供する。
関連論文リスト
- Pulmonary Embolism Mortality Prediction Using Multimodal Learning Based on Computed Tomography Angiography and Clinical Data [31.830488752817804]
本研究の目的は,CTPA(CTPA),臨床データ,肺重症度指数(PESI)スコアを用いて深層学習モデルを構築し,PE死亡率を予測することである。
論文 参考訳（メタデータ） (2024-06-03T13:10:13Z) - Random Expert Sampling for Deep Learning Segmentation of Acute Ischemic
Stroke on Non-contrast CT [2.0296858917615856]
急性期脳梗塞患者233例の非コントラストCTは260例であった。
U-Netベンチマークは、経験豊富な3人の神経放射線学者の基準アノテーションに基づいて、多数決とランダムな専門家サンプリングトレーニングスキームを用いて虚血性脳組織を分別するように訓練された。
ランダムな専門家サンプリングに基づいてトレーニングされたモデルでは、CT灌流に似た非コントラストCT上の急性虚血性脳組織の存在と位置を専門家よりも優れた一貫性で特定することができる。
論文 参考訳（メタデータ） (2023-09-07T16:59:38Z) - Survival Analysis for Idiopathic Pulmonary Fibrosis using CT Images and
Incomplete Clinical Data [17.162038700963418]
特発性肺線維症(IPF)は線維性肺疾患である。
肺のCTスキャンはIPF患者の臨床的評価を通知し、疾患の進行に関する関連する情報を含む。
臨床および画像データを用いたIPF患者の生存率を予測するために,ニューラルネットワークとメモリバンクを用いたマルチモーダル手法を提案する。
論文 参考訳（メタデータ） (2022-03-21T23:48:47Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Multi-institutional Validation of Two-Streamed Deep Learning Method for
Automated Delineation of Esophageal Gross Tumor Volume using planning-CT and
FDG-PETCT [14.312659667401302]
食道悪性腫瘍容積(GTV)コントゥーリングの現況は,高作業コストとユーザ間の変動を手作業で記述することに依存している。
1施設で開発された深層学習(DL)多モード食道GTVコンチューリングモデルの臨床的応用性を検証する。
論文 参考訳（メタデータ） (2021-10-11T13:56:09Z) - A framework for quantitative analysis of Computed Tomography images of
viral pneumonitis: radiomic features in COVID and non-COVID patients [0.0]
1028個の胸部CT像を肺抽出のために自動的に分離した。
ガウスモデルを用いて, 肺の正常な部位と重症部位を定量的に表す指標(QM)を算出した。
両側肺から第1,第2次放射線学的特徴(RF)を抽出した。
新型コロナウイルスと非ウイルス性肺炎を分類する人工知能ベースの4つのモデルを開発した。
論文 参考訳（メタデータ） (2021-09-28T15:22:24Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - 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。