論文の概要: Future Unruptured Intracranial Aneurysm Growth Prediction using Mesh Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2207.13518v1
• Date: Wed, 27 Jul 2022 13:43:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-28 13:12:05.156980
• Title: Future Unruptured Intracranial Aneurysm Growth Prediction using Mesh Convolutional Neural Networks
• Title（参考訳）: メッシュ畳み込みニューラルネットワークを用いた頭蓋内動脈瘤の成長予測
• Authors: Kimberley M. Timmins, Maarten J. Kamphuis, Iris N. Vos, Birgitta K. Velthuis, Irene C. van der Schaaf, and Hugo J. Kuijf
• Abstract要約: 破裂性頭蓋内動脈瘤(UIAs)は破裂の予測因子である。 UIAのサイズと形状は、大動脈瘤の成長および/または破裂の予測因子であることが知られている。 成長するか、安定し続けるUIAを予測するための分類モデルを開発しています。
• 参考スコア（独自算出の注目度）: 0.04925906256430176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growth of unruptured intracranial aneurysms (UIAs) is a predictor of rupture. Therefore, for further imaging surveillance and treatment planning, it is important to be able to predict if an UIA is likely to grow based on an initial baseline Time-of-Flight MRA (TOF-MRA). It is known that the size and shape of UIAs are predictors of aneurysm growth and/or rupture. We perform a feasibility study of using a mesh convolutional neural network for future UIA growth prediction from baseline TOF-MRAs. We include 151 TOF-MRAs, with 169 UIAs where 49 UIAs were classified as growing and 120 as stable, based on the clinical definition of growth (>1 mm increase in size in follow-up scan). UIAs were segmented from TOF-MRAs and meshes were automatically generated. We investigate the input of both UIA mesh only and region-of-interest (ROI) meshes including UIA and surrounding parent vessels. We develop a classification model to predict UIAs that will grow or remain stable. The model consisted of a mesh convolutional neural network including additional novel input edge features of shape index and curvedness which describe the surface topology. It was investigated if input edge mid-point co-ordinates influenced the model performance. The model with highest AUC (63.8%) for growth prediction was using UIA meshes with input edge mid-point co-ordinate features (average F1 score = 62.3%, accuracy = 66.9%, sensitivity = 57.3%, specificity = 70.8%). We present a future UIA growth prediction model based on a mesh convolutional neural network with promising results.
• Abstract（参考訳）: 破裂性頭蓋内動脈瘤(UIAs)は破裂の予測因子である。 したがって、監視および治療計画のさらなる画像化には、初期ベースラインであるTOF-MRA(Time-of-light MRA)に基づいてUIAが成長する可能性を予測することが重要である。 UIAのサイズと形状は、大動脈瘤の成長および/または破裂の予測因子であることが知られている。 メッシュ畳み込みニューラルネットワークを用いて,ベースラインTOF-MRAからの将来のUIA成長予測を行う。 151種類のtof-mraを用い, 49個のuiaが成長し, 120が安定と分類された169個のuiaについて, 臨床的な成長定義(後続スキャンでは1mm程度)に基づき検討した。 UIAはTOF-MRAから分離され、メッシュが自動的に生成される。 UIAメッシュとUIAおよび周辺親血管を含むROIメッシュの両方の入力について検討する。 成長するか、安定し続けるUIAを予測するための分類モデルを開発しています。 このモデルはメッシュ畳み込みニューラルネットワークで構成され、表面トポロジーを記述する形状指数と曲面の新たな入力エッジ特徴を含んでいる。 入力エッジ中点座標がモデル性能に与える影響を検討した。 成長予測のための最も高いAUC(63.8%)のモデルは、入力エッジ中点座標を持つUIAメッシュを使用していた(平均F1スコアは62.3%、精度は66.9%、感度は57.3%、特異性は70.8%)。 本稿では,メッシュ畳み込みニューラルネットワークに基づく今後のuia成長予測モデルについて述べる。

関連論文リスト

• GL-ICNN: An End-To-End Interpretable Convolutional Neural Network for the Diagnosis and Prediction of Alzheimer's Disease [0.9910295091178368]
  本稿では,アルツハイマー性認知症(AD)の診断と予測のために,CNNとEMMを組み合わせた新しいモデルを提案する。 このモデルは、画像データを入力として、予測と解釈可能な特徴重要度の両方を提供する。
  論文  参考訳（メタデータ） (2025-01-20T19:55:50Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• An End-to-End Deep Learning Approach for Epileptic Seizure Prediction [4.094649684498489]
  畳み込みニューラルネットワーク(CNN)を用いたエンドツーエンドディープラーニングソリューションを提案する。 総合感度、誤予測率、受信機動作特性曲線下の面積は、それぞれ2つのデータセットで93.5%、0.063/h、0.981、98.8%、0.074/h、0.988に達する。
  論文  参考訳（メタデータ） (2021-08-17T05:49:43Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• A Spatial-Temporal Graph Based Hybrid Infectious Disease Model with Application to COVID-19 [3.785123406103385]
  新型コロナウイルスのパンデミックが進むにつれて、信頼できる予測が政策立案に重要な役割を果たす。 RNNのようなデータ駆動機械学習モデルは、COVID-19のような時系列データに制限がある場合に悩まされる可能性がある。 グラフ構造上にSEIRとRNNを組み合わせることで,学習と予測の精度と効率を両立させるハイブリッド時間モデルを構築する。
  論文  参考訳（メタデータ） (2020-10-18T19:34:54Z)
• User-Guided Domain Adaptation for Rapid Annotation from User Interactions: A Study on Pathological Liver Segmentation [49.96706092808873]
  マスクベースの医用画像のアノテーション、特に3Dデータは、信頼できる機械学習モデルを開発する上でボトルネックとなる。 ユーザガイド付きドメイン適応(UGDA)フレームワークを提案する。このフレームワークは,UIとマスクの複合分布をモデル化するために,予測に基づくドメイン適応(PADA)を利用する。 UGDAは、利用可能なUIのごく一部しか見ていない場合でも、最先端のパフォーマンスを維持することができる。
  論文  参考訳（メタデータ） (2020-09-05T04:24:58Z)
• Neural Networks with Recurrent Generative Feedback [61.90658210112138]
  畳み込みニューラルネットワーク(CNN)でこの設計をインスタンス化する 実験では、標準ベンチマーク上の従来のフィードフォワードCNNに対して、CNN-Fは敵のロバスト性を大幅に改善した。
  論文  参考訳（メタデータ） (2020-07-17T19:32:48Z)
• A Bayesian regularization-backpropagation neural network model for peeling computations [0.0]
  入力データは有限要素(FE)剥離結果から取得される。 ニューラルネットワークは、FEデータセットの75%でトレーニングされる。 BR-BPNNモデルとk-fold法を併用することにより,剥離挙動を推定できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-06-29T21:58:43Z)
• Learning Tumor Growth via Follow-Up Volume Prediction for Lung Nodules [15.069141581681016]
  フォローアップは肺癌の肺結節管理において重要な役割を担っている。 結節の悪性度を予測するために畳み込みニューラルネットワーク(CNN)を用いた最近のディープラーニング研究は、臨床医にブラックボックス予測を提供するのみである。 我々は,高品質な視覚的外観を持つ肺結節の成長を予測し,正確な定量化を行うNodule Follow-Up Prediction Network (NoFoNet) という統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-24T17:18:46Z)

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。