論文の概要: An Interactive Automation for Human Biliary Tree Diagnosis Using Computer Vision

• arxiv url: http://arxiv.org/abs/2209.04646v1
• Date: Sat, 10 Sep 2022 12:17:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-13 12:52:33.881544
• Title: An Interactive Automation for Human Biliary Tree Diagnosis Using Computer Vision
• Title（参考訳）: コンピュータビジョンを用いた人胆道木診断のためのインタラクティブな自動化
• Authors: Mohammad AL-Oudat, Saleh Alomari, Hazem Qattous, Mohammad Azzeh, Tariq AL-Munaizel
• Abstract要約: 胆管の拡張は、人体におけるより大きな問題の鍵となる指標である。 本研究は胆道の初期診断にユニークな視覚モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.3359875577705538
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The biliary tree is a network of tubes that connects the liver to the gallbladder, an organ right beneath it. The bile duct is the major tube in the biliary tree. The dilatation of a bile duct is a key indicator for more major problems in the human body, such as stones and tumors, which are frequently caused by the pancreas or the papilla of vater. The detection of bile duct dilatation can be challenging for beginner or untrained medical personnel in many circumstances. Even professionals are unable to detect bile duct dilatation with the naked eye. This research presents a unique vision-based model for biliary tree initial diagnosis. To segment the biliary tree from the Magnetic Resonance Image, the framework used different image processing approaches (MRI). After the image's region of interest was segmented, numerous calculations were performed on it to extract 10 features, including major and minor axes, bile duct area, biliary tree area, compactness, and some textural features (contrast, mean, variance and correlation). This study used a database of images from King Hussein Medical Center in Amman, Jordan, which included 200 MRI images, 100 normal cases, and 100 patients with dilated bile ducts. After the characteristics are extracted, various classifiers are used to determine the patients' condition in terms of their health (normal or dilated). The findings demonstrate that the extracted features perform well with all classifiers in terms of accuracy and area under the curve. This study is unique in that it uses an automated approach to segment the biliary tree from MRI images, as well as scientifically correlating retrieved features with biliary tree status that has never been done before in the literature.
• Abstract（参考訳）: 胆道の木は肝臓と胆嚢をつなぐ管のネットワークであり、そのすぐ下の臓器である。 胆管は胆道樹の主要な管である。 胆管の拡張は、膵臓や迷走神経乳頭によってしばしば引き起こされる、石や腫瘍などの人体におけるより大きな問題の鍵となる指標である。 胆管拡張の検出は初心者や未訓練の医療従事者にとって多くの状況において困難である。 専門家でさえ、裸眼で胆管拡張を検出することができない。 本研究は胆道の初期診断にユニークな視覚モデルを提案する。 磁気共鳴画像から胆道木を分離するために、このフレームワークは異なる画像処理アプローチ(MRI)を使用した。 画像の関心領域が分割された後、主要な軸と小さな軸、胆管領域、胆道樹面積、コンパクト性、およびいくつかのテクスト的特徴(コントラスト、平均、分散、相関)を含む10の特徴を抽出するために多くの計算が行われた。 ヨルダンのアンマンにあるキング・フセイン・メディカル・センター(king hussein medical center)の画像データベースを用いて、200件のmri画像、100件の正常例、100人の拡張胆管患者について検討した。 特徴を抽出した後、患者の健康状態(正常または拡張状態)を判定するために様々な分類器が使用される。 その結果,抽出された特徴は,曲線下の精度と面積の点で,すべての分類器で良好に機能することがわかった。 本研究は,mri画像から胆道樹を分割する自動的アプローチと,文献でこれまで行われなかった胆道樹の状態と検索された特徴を科学的に関連付ける点において特異である。

関連論文リスト

• MedIAnomaly: A comparative study of anomaly detection in medical images [26.319602363581442]
  異常検出(AD)は、期待される正常なパターンから逸脱する異常なサンプルを検出することを目的としている。 医療用AD法は多岐にわたるが, 公平かつ包括的評価の欠如が指摘されている。 本稿では,比較を統一したベンチマークを構築した。
  論文  参考訳（メタデータ） (2024-04-06T06:18:11Z)
• Automatic nodule identification and differentiation in ultrasound videos to facilitate per-nodule examination [12.75726717324889]
  ソノグラフィーは通常、結節の特徴と周囲の構造を調べることによって異なる結節を識別する。 我々は,入力ビデオクリップから特徴ベクトルを抽出できるディープラーニングモデルに基づく抽出器と,結節によって特徴ベクトルを自動的にグループ化するリアルタイムクラスタリングアルゴリズムの2つの部分からなる再同定システムを構築した。
  論文  参考訳（メタデータ） (2023-10-10T06:20:14Z)
• StyleGAN2-based Out-of-Distribution Detection for Medical Imaging [1.5379084885764847]
  我々は,GAN(Generative Adversarial Network)による分布外画像の検出を目指す。 トレーニングデータセットは肝内CT3,234例の456例から得られた。 トレーニング分布をモデル化するためにStyleGAN2-ADAアーキテクチャが使用され、画像はバックプロパゲーションを用いて再構成された。 AUROCの90%以上で肝CTと非肝CTの鑑別を行ったところ,針や腹水などの肝遺物の再建は困難であった。
  論文  参考訳（メタデータ） (2023-07-10T13:26:56Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Development of the algorithm for differentiating bone metastases and trauma of the ribs in bone scintigraphy and demonstration of visual evidence of the algorithm -- Using only anterior bone scan view of thorax [0.0]
  骨シンチグラフィーの胸骨前部像のみを用いて骨転移と外傷のリブの蓄積を判定するAIモデルの報告はない。 胸骨前部CT像のみを用いて骨転移・外傷と診断し,診断するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-09-30T23:55:31Z)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• Esophageal Tumor Segmentation in CT Images using Dilated Dense Attention Unet (DDAUnet) [3.0929226049096217]
  畳み込みニューラルネットワーク(CNN)を用いた食道癌全自動切除法を提案する。 提案するネットワークはDilated Dense Attention Unet (DDAUnet) と呼ばれ、各密ブロックにおける空間的およびチャネル的注意力を活用して、決定的特徴写像と領域に選択的に集中する。
  論文  参考訳（メタデータ） (2020-12-06T11:42:52Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。