論文の概要: A Review of Modern Approaches for Coronary Angiography Imaging Analysis
- arxiv url: http://arxiv.org/abs/2209.13997v1
- Date: Wed, 28 Sep 2022 11:12:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 18:06:50.650119
- Title: A Review of Modern Approaches for Coronary Angiography Imaging Analysis
- Title（参考訳）: 冠動脈造影画像解析における最近のアプローチ
- Authors: Maxim Popov, Temirgali Aimyshev, Eldar Ismailov, Ablay Bulegenov,
Siamac Fazli
- Abstract要約: 慢性心疾患(Corronary Heart Disease,CHD)は、現代世界では主要な死因である。
セグメンテーションネットワークや検出器などのディープラーニングに基づくアルゴリズムは、患者の血管造影のタイムリーな分析を提供することで、医療専門家を支援する上で重要な役割を果たす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coronary Heart Disease (CHD) is a leading cause of death in the modern world.
The development of modern analytical tools for diagnostics and treatment of CHD
is receiving substantial attention from the scientific community. Deep
learning-based algorithms, such as segmentation networks and detectors, play an
important role in assisting medical professionals by providing timely analysis
of a patient's angiograms. This paper focuses on X-Ray Coronary Angiography
(XCA), which is considered to be a "gold standard" in the diagnosis and
treatment of CHD. First, we describe publicly available datasets of XCA images.
Then, classical and modern techniques of image preprocessing are reviewed. In
addition, common frame selection techniques are discussed, which are an
important factor of input quality and thus model performance. In the following
two chapters we discuss modern vessel segmentation and stenosis detection
networks and, finally, open problems and current limitations of the current
state-of-the-art.
- Abstract（参考訳）: 慢性心疾患(Corronary Heart Disease,CHD)は、現代における死因の一つ。
CHDの診断・治療のための現代の分析ツールの開発は、科学界から大きな注目を集めている。
セグメンテーションネットワークや検出器といった深層学習に基づくアルゴリズムは、患者のアンギオグラムのタイムリーな分析を提供することで、医療専門家を支援する上で重要な役割を果たす。
本稿では,CHDの診断と治療における「金の標準」と考えられるX線冠動脈造影(XCA)に焦点を当てた。
まず,XCA画像の公開データセットについて述べる。
次に、画像前処理の古典的・近代的な技術について概観する。
さらに,入力品質の重要な要因である共通フレーム選択手法について考察し,モデル性能について考察した。
以下の2章では,最新の血管分節と狭窄検出ネットワークについて論じ,最後には開放的問題と現状の限界について論じる。
関連論文リスト
- CADICA: a new dataset for coronary artery disease detection by using
invasive coronary angiography [1.5404452377809545]
冠状動脈疾患(CAD)は、今でも世界中で死因となっている。
深層学習分類法は医用画像の他の領域でよく開発されている。
最も重要な理由の1つは、可用性と高品質なオープンアクセスデータセットの欠如である。
論文 参考訳（メタデータ） (2024-02-01T13:03:13Z) - Object Detection for Automated Coronary Artery Using Deep Learning [0.0]
本稿では,冠動脈狭窄の部位を正確に同定するために,X線血管造影画像の物体検出法を応用した。
このモデルにより,狭窄箇所の自動的かつリアルタイムな検出が可能となり,決定プロセスの重要かつ機密性の高い支援が可能となった。
論文 参考訳（メタデータ） (2023-12-19T13:14:52Z) - SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。
心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。
自動冠状動脈疾患診断では異常な成績を示した。
論文 参考訳（メタデータ） (2023-11-17T02:01:19Z) - StenUNet: Automatic Stenosis Detection from X-ray Coronary Angiography [5.430434855741553]
冠動脈疾患(CAD)の重症度は、その位置、狭窄度(狭窄度)、血管数によって定量化される。
MICCAIの大挑戦:X線アンギオグラフィー(ARCADE)を用いた自動領域ベース冠動脈疾患診断は、狭窄アノテーションを用いたデータセットをキュレートした。
我々は,X線冠動脈造影から狭窄を正確に検出するアーキテクチャとアルゴリズムStenUNetを提案する。
論文 参考訳（メタデータ） (2023-10-23T14:04:18Z) - A Survey of Deep Learning Techniques for the Analysis of COVID-19 and
their usability for Detecting Omicron [0.24466725954625884]
2019年12月のコロナウイルス(COVID-19)の流行は、世界中で人間の脅威となっている。
深層学習 (DL) 技術は, 放射線画像における感染領域の解析とデライン化に, タイムリーに有効であることが証明された。
本稿では,DL手法の詳細な調査を行い,診断戦略と学習アプローチに基づく分類法について述べる。
論文 参考訳（メタデータ） (2022-02-13T17:44:33Z) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z)
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。