Fugu-MT 論文翻訳(概要): Lung airway geometry as an early predictor of autism: A preliminary machine learning-based study

論文の概要: Lung airway geometry as an early predictor of autism: A preliminary machine learning-based study

arxiv url: http://arxiv.org/abs/2301.05777v1
Date: Fri, 13 Jan 2023 22:21:58 GMT
ステータス: 処理完了
システム内更新日: 2023-01-18 18:50:52.116252
Title: Lung airway geometry as an early predictor of autism: A preliminary machine learning-based study
Title（参考訳）: 早期自閉症予測因子としての肺気道形状--機械学習による予備的研究
Authors: Asef Islam, Anthony Ronco, Stephen M. Becker, Jeremiah Blackburn, Johannes C. Schittny, Kyoungmi Kim, Rebecca Stein-Wexler, Anthony S. Wexler
Abstract要約: 本研究の目的は,ASDのバイオマーカーとしての気道形状の実現可能性を評価することである。その結果, ASD 児と対照群における気道分岐角度の計測可能差が示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The goal of this study is to assess the feasibility of airway geometry as a biomarker for ASD. Chest CT images of children with a documented diagnosis of ASD as well as healthy controls were identified retrospectively. 54 scans were obtained for analysis, including 31 ASD cases and 23 age and sex-matched controls. A feature selection and classification procedure using principal component analysis (PCA) and support vector machine (SVM) achieved a peak cross validation accuracy of nearly 89% using a feature set of 8 airway branching angles. Sensitivity was 94%, but specificity was only 78%. The results suggest a measurable difference in airway branchpoint angles between children with ASD and the control population.
Abstract（参考訳）: 本研究の目的は,ASDのバイオマーカーとしての気道形状の実現可能性を評価することである。 asdを診断した小児の胸部ct画像と健康管理を振り返って検討した。分析対象はASD31例,年齢23例,性適合性対照群など54例であった。主成分分析 (PCA) と支持ベクトルマシン (SVM) を用いた特徴選択・分類法は, 気道分岐角度8つの特徴セットを用いて, 89%近いピーク交差検証精度を達成した。感度は94%,特異性は78%であった。その結果, ASD 児と対照群における気道分岐角度の計測可能差が示唆された。

関連論文リスト

PatchCTG: Patch Cardiotocography Transformer for Antepartum Fetal Health Monitoring [0.0]
胎児の健康モニタリングにはCTG(Antepartum Cardiotocography)が不可欠である。 Dawes-Redmanシステムのような従来の手法は、しばしば高いサーバ間変数によって制限される。本稿ではCTG解析に特化して設計されたトランスモデルであるPatchCTGを紹介する。
論文参考訳（メタデータ） (2024-11-12T13:46:58Z)
Prognosis of COVID-19 using Artificial Intelligence: A Systematic Review and Meta-analysis [0.23221087157793407]
この研究は、新型コロナウイルスの予後のためのAIの使用に関する論文を同定し、評価し、合成する。例えば、Siamenseモデル、サポートベクターマシン、ランダムフォレスト、eXtreme Gradient Boosting、畳み込みニューラルネットワークなどである。その結果, 死亡率71%, 88%, 67%の感度, 重症度評価, 換気の必要性が確認された。
論文参考訳（メタデータ） (2024-08-01T00:33:32Z)
Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文参考訳（メタデータ） (2024-03-27T16:56:14Z)
Atrial Septal Defect Detection in Children Based on Ultrasound Video Using Multiple Instances Learning [14.62565592495898]
本稿では,心房中隔欠損診断を支援するための心エコー画像に基づく深層学習手法を提案する。心房中隔(subAS)と低中隔4区画(LPS4C)の2つの標準ビューをASDを同定する2つのビューとして選択した。 ASD検出では,89.33 AUC,84.95精度,85.70感度,81.51特異度,81.99F1スコアが得られた。
論文参考訳（メタデータ） (2023-06-06T16:25:29Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
論文参考訳（メタデータ） (2021-11-10T19:39:26Z)
Development and Characterization of a Chest CT Atlas [5.770017830153421]
肺がん検診プログラムの低用量CTデータベース上に構築した胸部腺腫について検討した。空間マッピングを実現するため,胸腔全体に対して多段階間非剛性登録パイプラインを最適化する。異なる解剖学的表現型に対する識別能力の観点から, 開発したアトラスの応用妥当性を評価した。
論文参考訳（メタデータ） (2020-12-05T21:20:57Z)
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)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。