論文の概要: Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using
Deep Transformers and Explainable Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2210.14611v1
- Date: Wed, 26 Oct 2022 10:34:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 13:27:37.294334
- Title: Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using
Deep Transformers and Explainable Artificial Intelligence
- Title（参考訳）: 深部変圧器と説明可能な人工知能を用いた心臓MRIにおける心筋炎の自動診断
- Authors: Mahboobeh Jafari, Afshin Shoeibi, Navid Ghassemi, Jonathan Heras,
Abbas Khosravi, Sai Ho Ling, Roohallah Alizadehsani, Amin Beheshti, Yu-Dong
Zhang, Shui-Hua Wang, Juan M. Gorriz, U. Rajendra Acharya, Hamid Alinejad
Rokny
- Abstract要約: HIVなどの微生物やウイルスは、心筋炎(MCD)の発症に重要な役割を果たす。
早期のMDD診断の欠如は、不可逆的な合併症と関連している。
CMRI画像を用いたMDDの診断には,ディープラーニング(DL)を用いたコンピュータ支援診断システム(CADS)が有用である。
- 参考スコア（独自算出の注目度）: 26.624398435244288
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Myocarditis is among the most important cardiovascular diseases (CVDs),
endangering the health of many individuals by damaging the myocardium. Microbes
and viruses, such as HIV, play a vital role in myocarditis disease (MCD)
incidence. Lack of MCD diagnosis in the early stages is associated with
irreversible complications. Cardiac magnetic resonance imaging (CMRI) is highly
popular among cardiologists to diagnose CVDs. In this paper, a deep learning
(DL) based computer-aided diagnosis system (CADS) is presented for the
diagnosis of MCD using CMRI images. The proposed CADS includes dataset,
preprocessing, feature extraction, classification, and post-processing steps.
First, the Z-Alizadeh dataset was selected for the experiments. The
preprocessing step included noise removal, image resizing, and data
augmentation (DA). In this step, CutMix, and MixUp techniques were used for the
DA. Then, the most recent pre-trained and transformers models were used for
feature extraction and classification using CMRI images. Our results show high
performance for the detection of MCD using transformer models compared with the
pre-trained architectures. Among the DL architectures, Turbulence Neural
Transformer (TNT) architecture achieved an accuracy of 99.73% with 10-fold
cross-validation strategy. Explainable-based Grad Cam method is used to
visualize the MCD suspected areas in CMRI images.
- Abstract（参考訳）: 心筋炎は心血管疾患(CVD)の中でも最も重要な疾患であり、心筋を損傷することで多くの人の健康を脅かす。
HIVなどの微生物やウイルスは、心筋炎(MCD)の発症に重要な役割を果たす。
早期のmcd診断の欠如は不可逆的な合併症と関係している。
心臓磁気共鳴画像(CMRI)は、CVDの診断において、心臓科医の間で高い人気がある。
本稿では,CMRI画像を用いたMDDの診断のために,Deep Learning (DL) を用いたコンピュータ支援診断システム (CADS) を提案する。
提案するcadには、データセット、前処理、特徴抽出、分類、後処理ステップが含まれる。
まず実験のためにZ-Alizadehデータセットが選ばれた。
プリプロセッシングステップにはノイズ除去、画像リサイズ、データ拡張(da)が含まれる。
このステップでは、DAにはCutMixとMixUpの技術が使用された。
次に,cmri画像を用いた特徴抽出と分類に,最新の事前学習モデルとトランスフォーマーモデルを用いた。
本結果より, トランスモデルを用いたMDDの検出性能は, 事前学習アーキテクチャと比較して高いことがわかった。
DLアーキテクチャの中で、TNTアーキテクチャは10倍のクロスバリデーション戦略で99.73%の精度を達成した。
CMRI画像におけるMCD疑似領域の可視化には,説明可能なGrad Cam法が用いられている。
関連論文リスト
- Motion Artifact Removal in Pixel-Frequency Domain via Alternate Masks and Diffusion Model [58.694932010573346]
MRI(MRI)における運動アーチファクトは臨床診断に深刻な干渉を与える可能性がある。
ノイズの多いMRI画像の画素周波数情報を利用して、事前学習した拡散モデルを誘導し、クリーンなMRI画像の復元を行う新しい教師なし浄化法を提案する。
論文 参考訳（メタデータ） (2024-12-10T15:25:18Z) - Leveraging Multimodal CycleGAN for the Generation of Anatomically Accurate Synthetic CT Scans from MRIs [1.779948689352186]
我々は、MRIから合成CTスキャンを生成するために、Deep Learningモデルの異なる構成の能力を解析する。
異なるMRIモダリティからCTスキャンを生成するために、コントラスト剤を使用しないいくつかのCycleGANモデルを教師なしで訓練した。
結果から, 入力のモーダル性に応じて, モデルが全く異なる性能を持つことを示す。
論文 参考訳（メタデータ） (2024-07-15T16:38:59Z) - Enhanced Synthetic MRI Generation from CT Scans Using CycleGAN with
Feature Extraction [3.2088888904556123]
合成MRI画像を用いたCTスキャンによるモノモーダル登録の高速化手法を提案する。
提案手法は有望な結果を示し,いくつかの最先端手法より優れていた。
論文 参考訳（メタデータ） (2023-10-31T16:39:56Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - Generative AI for Rapid Diffusion MRI with Improved Image Quality,
Reliability and Generalizability [3.6119644566822484]
我々は,Human Connectome Projectデータに基づいて訓練されたSwin UNEt Transformersモデルを用いて,dMRIの一般化復調を行う。
成人健常者におけるHCPデータを用いた超解像実験を行った。
高速拡散テンソル画像の精度と信頼性は,90秒のスキャン時間しか必要としない。
論文 参考訳（メタデータ） (2023-03-10T03:39:23Z) - MyI-Net: Fully Automatic Detection and Quantification of Myocardial
Infarction from Cardiovascular MRI Images [9.709445432765039]
心臓発作 (Heart attack) または心筋梗塞(MI)は、心臓に血液を供給する動脈が突然閉塞されたときに起こる。
MIの定量化のための完全に自動化された「金の標準」は存在しない。
MyI-NetはMRI画像中のMIの検出と定量化のためのエンドツーエンドの完全自動システムである。
論文 参考訳（メタデータ） (2022-12-28T06:34:38Z) - Robust Weakly Supervised Learning for COVID-19 Recognition Using
Multi-Center CT Images [8.207602203708799]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)による新型コロナウイルス感染症2019(COVID-19)
異なる病院にあるCTスキャナの様々な技術的仕様のため、CT画像の出現は、多くの自動画像認識アプローチの失敗に繋がる。
新型コロナウイルスのCTスキャン認識モデル、すなわち新型コロナウイルス情報融合診断ネットワーク(CIFD-Net)を提案する。
本モデルでは,CTスキャン画像の外観の相違を,他の最先端手法と比較して精度が高く,確実かつ効率的に解決することができる。
論文 参考訳（メタデータ） (2021-12-09T15:22:03Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-06-26T02:50:09Z) - Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion
Encoding (SIDE) [50.65891535040752]
本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。
SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。
また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
論文 参考訳（メタデータ） (2020-02-25T14:48:17Z)
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。