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/2210.14611v2
- Date: Fri, 1 Dec 2023 07:53:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-04 19:17:10.198642
- 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, Sai
Ho Ling, Amin Beheshti, Yu-Dong Zhang, Shui-Hua Wang, Roohallah Alizadehsani,
Juan M. Gorriz, U. Rajendra Acharya, Hamid Alinejad Rokny
- Abstract要約: 心筋炎は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。
HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発生に重要な役割を担っている
提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
- 参考スコア（独自算出の注目度）: 20.415917092103033
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Myocarditis is a significant cardiovascular disease (CVD) that poses a threat
to the health of many individuals by causing damage to the myocardium. The
occurrence of microbes and viruses, including the likes of HIV, plays a crucial
role in the development of myocarditis disease (MCD). The images produced
during cardiac magnetic resonance imaging (CMRI) scans are low contrast, which
can make it challenging to diagnose cardiovascular diseases. In other hand,
checking numerous CMRI slices for each CVD patient can be a challenging task
for medical doctors. To overcome the existing challenges, researchers have
suggested the use of artificial intelligence (AI)-based computer-aided
diagnosis systems (CADS). The presented paper outlines a CADS for the detection
of MCD from CMR images, utilizing deep learning (DL) methods. The proposed CADS
consists of several steps, including dataset, preprocessing, feature
extraction, classification, and post-processing. First, the Z-Alizadeh dataset
was selected for the experiments. Subsequently, the CMR images underwent
various preprocessing steps, including denoising, resizing, as well as data
augmentation (DA) via CutMix and MixUp techniques. In the following, the most
current deep pre-trained and transformer models are used for feature extraction
and classification on the CMR images. The findings of our study reveal that
transformer models exhibit superior performance in detecting MCD as opposed to
pre-trained architectures. In terms of DL architectures, the Turbulence Neural
Transformer (TNT) model exhibited impressive accuracy, reaching 99.73%
utilizing a 10-fold cross-validation approach. Additionally, to pinpoint areas
of suspicion for MCD in CMRI images, the Explainable-based Grad Cam method was
employed.
- Abstract（参考訳）: 心筋炎(英語:myocarditis)は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。
HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発症に重要な役割を果たしている。
心臓磁気共鳴画像(CMRI)スキャンで生成された画像は低コントラストであり、心臓血管疾患の診断が困難になる可能性がある。
一方、CVD患者ごとに多数のCMRIスライスを検査することは、医師にとって難しい課題である。
既存の課題を克服するために、研究者は人工知能(AI)ベースのコンピュータ支援診断システム(CADS)の使用を提案する。
本稿では,深層学習(DL)手法を用いて,CMR画像からのMDD検出のためのCADSについて概説する。
提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
まず実験のためにZ-Alizadehデータセットが選ばれた。
その後、CMR画像は、デノナイズ、リサイズ、CutMixおよびMixUp技術によるデータ拡張(DA)など、さまざまな前処理ステップを実行した。
以下では,cmr画像の特徴抽出と分類のために,最新の深層事前学習モデルと変圧器モデルについて述べる。
本研究の結果から,トランスフォーマーモデルが事前学習したアーキテクチャよりもmcd検出に優れた性能を示すことが明らかとなった。
DLアーキテクチャでは、乱流ニューラルトランス (TNT) モデルは印象的な精度を示し、10倍のクロスバリデーションアプローチを用いて99.73%に達した。
さらに,CMRI画像におけるMDDの疑い領域を特定するために,Explainable-based Grad Cam法を採用した。
関連論文リスト
- 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) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳（メタデータ） (2023-08-03T21:56:50Z) - 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。