論文の概要: AI-based computer-aided diagnostic system of chest digital tomography
synthesis: Demonstrating comparative advantage with X-ray-based AI systems
- arxiv url: http://arxiv.org/abs/2206.13504v1
- Date: Sat, 18 Jun 2022 13:29:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 01:16:37.286145
- Title: AI-based computer-aided diagnostic system of chest digital tomography
synthesis: Demonstrating comparative advantage with X-ray-based AI systems
- Title（参考訳）: aiを用いた胸部デジタルトモグラフィ合成診断システム--x線を用いたaiシステムとの比較
- Authors: Kyung-Su Kim, Ju Hwan Lee, Seong Je Oh, Myung Jin Chung
- Abstract要約: 本研究は, 肺病変を検知し, 性能改善を実証するCDTSベースのAI CADシステムを開発した。
我々は、CDTSベースのAIモデルの入力として複数の投影画像を、CXRベースのAIモデルの入力として単一投影画像を使用した。
その結果,CDTSをベースとしたAI CADは,CXRをベースとしたAI CADと比較して,結核と肺炎の感受性を5.4%,肺炎8.7%改善した。
- 参考スコア（独自算出の注目度）: 2.2302915692528367
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Compared with chest X-ray (CXR) imaging, which is a single image projected
from the front of the patient, chest digital tomosynthesis (CDTS) imaging can
be more advantageous for lung lesion detection because it acquires multiple
images projected from multiple angles of the patient. Various clinical
comparative analysis and verification studies have been reported to demonstrate
this, but there were no artificial intelligence (AI)-based comparative analysis
studies. Existing AI-based computer-aided detection (CAD) systems for lung
lesion diagnosis have been developed mainly based on CXR images; however,
CAD-based on CDTS, which uses multi-angle images of patients in various
directions, has not been proposed and verified for its usefulness compared to
CXR-based counterparts. This study develops/tests a CDTS-based AI CAD system to
detect lung lesions to demonstrate performance improvements compared to
CXR-based AI CAD. We used multiple projection images as input for the
CDTS-based AI model and a single-projection image as input for the CXR-based AI
model to fairly compare and evaluate the performance between models. The
proposed CDTS-based AI CAD system yielded sensitivities of 0.782 and 0.785 and
accuracies of 0.895 and 0.837 for the performance of detecting tuberculosis and
pneumonia, respectively, against normal subjects. These results show higher
performance than sensitivities of 0.728 and 0.698 and accuracies of 0.874 and
0.826 for detecting tuberculosis and pneumonia through the CXR-based AI CAD,
which only uses a single projection image in the frontal direction. We found
that CDTS-based AI CAD improved the sensitivity of tuberculosis and pneumonia
by 5.4% and 8.7% respectively, compared to CXR-based AI CAD without loss of
accuracy. Therefore, we comparatively prove that CDTS-based AI CAD technology
can improve performance more than CXR, enhancing the clinical applicability of
CDTS.
- Abstract（参考訳）: 胸部X線 (CXR) 画像と比較すると, 胸部デジタルトモシンセシス (CDTS) 画像は患者の複数の角度から投影された複数の画像を取得するため, 肺病変の検出に有利である。
様々な臨床比較分析および検証研究が報告されているが、人工知能(AI)を用いた比較分析は行われていない。
肺病変診断のための既存のAIベースのコンピュータ支援検出システム(CAD)は,主にCXR画像に基づいて開発されているが,CDTSをベースとしたCADは,CXR画像と比較して有用性が確認されていない。
本研究は,CDTSベースのAI CADシステムを開発し,肺病変を検知し,CXRベースのAI CADと比較して性能改善を示す。
我々は、CDTSベースのAIモデルの入力として複数の投影画像を、CXRベースのAIモデルの入力として単一投影画像を用いて、モデル間の性能を適切に比較、評価した。
提案するcdtsベースのaicadシステムは, 正常者に対する結核や肺炎の検出において, 0.782 と 0.785 の感度, 0.895 と 0.837 の精度を示した。
以上の結果から,CXRをベースとしたAI CADを用いて結核および肺炎の検出を行う場合,0.728,0.698の感度,0.874,0.826の精度よりも高い性能を示した。
その結果,CDTSベースのAICADは,CXRベースのAICADと比較して,結核と肺炎の感受性を5.4%,肺炎8.7%改善した。
そこで本研究では,CDTSをベースとしたAI CAD技術がCXR以上の性能向上を実現し,CDTSの臨床応用性の向上を図る。
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) - Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。
本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。
そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文 参考訳（メタデータ） (2024-10-18T12:37:51Z) - A foundation model for generalizable disease diagnosis in chest X-ray images [40.9095393430871]
CXRBaseは,非ラベリングなCXR画像から多目的表現を学習するための基礎モデルである。
CXRBaseは1.04百万の未ラベルのCXRイメージのデータセットでトレーニングされている。
ラベル付きデータで微調整され、疾患検出の性能を高める。
論文 参考訳（メタデータ） (2024-10-11T14:41:27Z) - Improved Esophageal Varices Assessment from Non-Contrast CT Scans [15.648325577912608]
食道静脈瘤(EV)は門脈圧亢進による重篤な健康上の問題である。
非造影CT(non-contrast Computed Tomography, NC-CT)は, 安価で非侵襲的な画像モダリティであるにもかかわらず, EV評価のための主要な臨床診断ツールとして完全には受け入れられていない。
我々は,NC-CTスキャンにおける重要な臓器機能の解析を改良し,EVを効果的に評価するMulti-Organ-cOhesion-Network(MOON)を提案する。
論文 参考訳（メタデータ） (2024-07-18T06:49:10Z) - Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z) - Virtual imaging trials improved the transparency and reliability of AI systems in COVID-19 imaging [1.6040478776985583]
本研究は、CTと胸部X線撮影(CXR)を用いた新型コロナウイルス診断における畳み込みニューラルネットワーク(CNN)の使用に焦点を当てる。
複数のAIモデル、すなわち3D ResNet-likeと2D EfficientNetv2アーキテクチャを開発し、テストした。
最も多様なデータセットでトレーニングされたモデルでは、AUCがCTで0.73から0.76、CXRで0.70から0.73まで、最高の外部テスト性能を示した。
論文 参考訳（メタデータ） (2023-08-17T19:12:32Z) - Classification of lung cancer subtypes on CT images with synthetic
pathological priors [41.75054301525535]
同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。
肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
論文 参考訳（メタデータ） (2023-08-09T02:04:05Z) - Attention-based Saliency Maps Improve Interpretability of Pneumothorax
Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。
ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。
ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文 参考訳（メタデータ） (2023-03-03T12:05:41Z) - Enhanced artificial intelligence-based diagnosis using CBCT with
internal denoising: Clinical validation for discrimination of fungal ball,
sinusitis, and normal cases in the maxillary sinus [9.215075415688663]
コーンビームCT(CBCT)は放射線線量とコストの低いターゲットの3次元体積像を提供する。
副鼻腔疾患の検出に広く用いられている。
CBCTは再建制約により軟部組織病変を検出する感度に欠ける。
論文 参考訳（メタデータ） (2022-11-29T06:24:01Z) - Optimising Chest X-Rays for Image Analysis by Identifying and Removing
Confounding Factors [49.005337470305584]
新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。
公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。
我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-22T13:57:04Z)
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。