論文の概要: Enhanced artificial intelligence-based diagnosis using CBCT with
internal denoising: Clinical validation for discrimination of fungal ball,
sinusitis, and normal cases in the maxillary sinus
- arxiv url: http://arxiv.org/abs/2211.15950v1
- Date: Tue, 29 Nov 2022 06:24:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 17:15:11.318019
- Title: Enhanced artificial intelligence-based diagnosis using CBCT with
internal denoising: Clinical validation for discrimination of fungal ball,
sinusitis, and normal cases in the maxillary sinus
- Title（参考訳）: CBCTを用いた高次人工知能診断 : 上顎洞における真菌球,副鼻腔炎および正常症例の識別に関する臨床的検証
- Authors: Kyungsu Kim, Chae Yeon Lim, Joong Bo Shin, Myung Jin Chung, Yong Gi
Jung
- Abstract要約: コーンビームCT(CBCT)は放射線線量とコストの低いターゲットの3次元体積像を提供する。
副鼻腔疾患の検出に広く用いられている。
CBCTは再建制約により軟部組織病変を検出する感度に欠ける。
- 参考スコア（独自算出の注目度）: 9.215075415688663
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The cone-beam computed tomography (CBCT) provides 3D volumetric imaging of a
target with low radiation dose and cost compared with conventional computed
tomography, and it is widely used in the detection of paranasal sinus disease.
However, it lacks the sensitivity to detect soft tissue lesions owing to
reconstruction constraints. Consequently, only physicians with expertise in
CBCT reading can distinguish between inherent artifacts or noise and diseases,
restricting the use of this imaging modality. The development of artificial
intelligence (AI)-based computer-aided diagnosis methods for CBCT to overcome
the shortage of experienced physicians has attracted substantial attention.
However, advanced AI-based diagnosis addressing intrinsic noise in CBCT has not
been devised, discouraging the practical use of AI solutions for CBCT. To
address this issue, we propose an AI-based computer-aided diagnosis method
using CBCT with a denoising module. This module is implemented before diagnosis
to reconstruct the internal ground-truth full-dose scan corresponding to an
input CBCT image and thereby improve the diagnostic performance. The external
validation results for the unified diagnosis of sinus fungal ball, chronic
rhinosinusitis, and normal cases show that the proposed method improves the
micro-, macro-average AUC, and accuracy by 7.4, 5.6, and 9.6% (from 86.2, 87.0,
and 73.4 to 93.6, 92.6, and 83.0%), respectively, compared with a baseline
while improving human diagnosis accuracy by 11% (from 71.7 to 83.0%),
demonstrating technical differentiation and clinical effectiveness. This
pioneering study on AI-based diagnosis using CBCT indicates denoising can
improve diagnostic performance and reader interpretability in images from the
sinonasal area, thereby providing a new approach and direction to radiographic
image reconstruction regarding the development of AI-based diagnostic
solutions.
- Abstract（参考訳）: 本発明のcone-beam Computed Tomography (CBCT) は, 従来のCTと比較して低線量, 低コストで標的の3次元容積像を提供し, 副鼻腔疾患の検出に広く用いられている。
しかし,再建の制約により軟部組織病変の検出感度が低下する。
したがって、cbctの読解を専門とする医師だけが、内在するアーティファクトまたはノイズと疾患を区別することができ、このイメージモダリティの使用が制限される。
経験豊富な医師の不足を克服するために,人工知能を用いたCBCTのコンピュータ支援診断手法の開発が注目されている。
しかし、CBCTの内在雑音に対処する高度なAIベースの診断は考案されておらず、CBCTにAIソリューションが実用化されることを防いでいる。
そこで本研究では,CBCTとデノナイジングモジュールを用いたAIによるコンピュータ支援診断手法を提案する。
このモジュールは、診断前に実装され、入力されたcbct画像に対応する内部基底フルドーススキャンを再構築し、診断性能を向上させる。
洞真菌球,慢性副鼻腔炎,および正常症例の統一診断に対する外的検証の結果,本法は,ヒト診断の精度を11%(71.7から83.0%)向上させ,技術的分化と臨床効果を実証しながら,それぞれ7.4,5.6,9.6%(86.2,87.0,73.4,93.6,92.6,83.0%)の精度を向上することが示された。
CBCTを用いたAIベースの診断の先駆的な研究は、鼻腔領域の画像の診断性能と読取性を向上させることを示し、AIベースの診断ソリューションの開発に関する新しいアプローチと方向を提供する。
関連論文リスト
- Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。
UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。
疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
論文 参考訳（メタデータ） (2024-11-25T13:40:11Z) - Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning [46.75992018094998]
胸部X線(CXR)を低分解能で診断する上での課題について検討した。
高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。
本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)法を提案する。
論文 参考訳（メタデータ） (2024-05-22T06:10:54Z) - Deformable MRI Sequence Registration for AI-based Prostate Cancer Diagnosis [2.102189448685959]
PI-CAI(Prostate Imaging: Cancer AI)の課題は、臨床上重要な前立腺がん検出のための専門家レベルの診断アルゴリズムに繋がった。
これらのアルゴリズムは、T2重み付きおよび拡散重み付きスキャンからなる、バイパラメトリックMRIスキャンを入力として受信する。
これらのスキャンは、スキャンプロセスの複数の要因により、不整合が生じる可能性がある。
画像登録は、シーケンス間の変形を予測することでこの問題を軽減することができる。
論文 参考訳（メタデータ） (2024-04-15T10:57:16Z) - Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。
私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
論文 参考訳（メタデータ） (2023-12-26T18:20:48Z) - GCS-ICHNet: Assessment of Intracerebral Hemorrhage Prognosis using
Self-Attention with Domain Knowledge Integration [19.51978172091416]
脳内出血 (ICH) は脳血管破裂による重篤な病態である。
本稿では,マルチモーダル脳CTデータとGlasgow Coma Scaleスコアを統合した新しいディープラーニングアルゴリズムGCS-ICHNetを提案する。
論文 参考訳（メタデータ） (2023-11-08T15:51:12Z) - Diagnosing Bipolar Disorder from 3-D Structural Magnetic Resonance
Images Using a Hybrid GAN-CNN Method [0.0]
本研究では、3次元構造MRI画像(sMRI)から双極性障害(BD)を診断するためのハイブリッドGAN-CNNモデルを提案する。
その結果, 精度が75.8%, 感度が60.3%, 特異性が82.5%となり, 従来よりも3.5%高いことがわかった。
論文 参考訳（メタデータ） (2023-10-11T10:17:41Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware Prostate Cancer Classification [42.75911994044675]
前立腺MRIの非対位画像翻訳のための新しいアプローチと臨床的に重要なPCaを分類するための不確実性認識トレーニングアプローチを提案する。
提案手法では,無ペアの3.0T多パラメータ前立腺MRIを1.5Tに翻訳し,利用可能なトレーニングデータを増強する。
実験の結果,提案手法は,従来の研究に比べてAUC(Area Under ROC Curve)を20%以上改善することがわかった。
論文 参考訳（メタデータ） (2023-07-02T05:26:54Z) - HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic
Joint Infection Diagnosis Using CT Images and Text [0.0]
補綴関節感染症(PJI)は重篤な合併症である。
現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。
本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
論文 参考訳（メタデータ） (2023-05-29T11:25:57Z) - Diagnose Like a Radiologist: Hybrid Neuro-Probabilistic Reasoning for
Attribute-Based Medical Image Diagnosis [42.624671531003166]
本稿では,属性に基づく医用画像診断のためのハイブリッド型ニューロ確率推論アルゴリズムを提案する。
我々は,ハイブリッド推論アルゴリズムを2つの困難な画像診断タスクに適用することに成功している。
論文 参考訳（メタデータ） (2022-08-19T12:06:46Z) - Outlier-based Autism Detection using Longitudinal Structural MRI [6.311381904410801]
本稿では, 構造的磁気共鳴画像(sMRI)に基づく自閉症スペクトラム障害の診断を, 異常検出手法を用いて提案する。
GAN(Generative Adversarial Network)は、健康な被験者のsMRIスキャンでのみ訓練される。
実験の結果、ASD検出フレームワークは最先端のトレーニングデータと互換性があり、トレーニングデータもはるかに少ないことがわかった。
論文 参考訳（メタデータ） (2022-02-21T04:37:25Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z)
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。