論文の概要: Deep learning-based lung segmentation and automatic regional template in chest X-ray images for pediatric tuberculosis

• arxiv url: http://arxiv.org/abs/2301.13786v1
• Date: Tue, 31 Jan 2023 17:33:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-01 15:44:54.313061
• Title: Deep learning-based lung segmentation and automatic regional template in chest X-ray images for pediatric tuberculosis
• Title（参考訳）: 小児結核の胸部x線画像における深層学習に基づく肺分画と自動局所テンプレート
• Authors: Daniel Capell\'an-Mart\'in, Juan J. G\'omez-Valverde, Ramon Sanchez-Jacob, David Bermejo-Pel\'aez, Lara Garc\'ia-Delgado, Elisa L\'opez-Varela, Maria J. Ledesma-Carbayo
• Abstract要約: 臨床実習における胸部X線検査(CXR)によるTB評価 人工知能が支援するコンピュータ支援診断システムは、経験豊富な放射線科医のTB読取に匹敵する性能を示した。 小児CXR画像から肺・縦隔領域を自動的に局所化し抽出することを目的とした多視点深層学習ソリューションを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Tuberculosis (TB) is still considered a leading cause of death and a substantial threat to global child health. Both TB infection and disease are curable using antibiotics. However, most children who die of TB are never diagnosed or treated. In clinical practice, experienced physicians assess TB by examining chest X-rays (CXR). Pediatric CXR has specific challenges compared to adult CXR, which makes TB diagnosis in children more difficult. Computer-aided diagnosis systems supported by Artificial Intelligence have shown performance comparable to experienced radiologist TB readings, which could ease mass TB screening and reduce clinical burden. We propose a multi-view deep learning-based solution which, by following a proposed template, aims to automatically regionalize and extract lung and mediastinal regions of interest from pediatric CXR images where key TB findings may be present. Experimental results have shown accurate region extraction, which can be used for further analysis to confirm TB finding presence and severity assessment. Code publicly available at https://github.com/dani-capellan/pTB_LungRegionExtractor.
• Abstract（参考訳）: 結核(TB)はいまだに死因であり、世界の子供の健康にとって重大な脅威であると考えられている。 TB感染症も病気も抗生物質で治療できる。 しかし、tbで死んだ子供のほとんどは診断や治療を受けていない。 臨床では、経験豊富な医師が胸部X線検査(CXR)によりTBを評価する。 小児CXRは、成人CXRと比較して、小児のTB診断を困難にしている。 人工知能が支援するコンピュータ支援診断システムは、経験豊富な放射線科医のtbリーディングに匹敵する性能を示しており、大量tbスクリーニングを緩和し、臨床負担を軽減することができる。 提案するテンプレートに従えば,小児のcxr画像から肺・縦隔領域を自動的に局所化し抽出することを目的とした,多視点の深層学習型ソリューションを提案する。 実験の結果, 正確な領域抽出が示されており, TB検出の有無と重症度評価のさらなる解析に利用できる。 コードはhttps://github.com/dani-capellan/pTB_LungRegionExtractor.comで公開されている。

関連論文リスト

• Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
  結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。 本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。 ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
  論文  参考訳（メタデータ） (2024-06-19T18:10:06Z)
• Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning [0.0]
  世界保健機関(WHO)は、TBスクリーニングのための胸部X線(CXR)を提唱している。 放射線医による視覚的解釈は、特に小児TBにおいて主観的、時間的、誤認しがちである。 本稿では,CXR における TB 検出を改善するために視覚変換器 (ViT) を利用した新たな自己監督パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-02-22T17:55:18Z)
• Early Detection of Tuberculosis with Machine Learning Cough Audio Analysis: Towards More Accessible Global Triaging Usage [0.0]
  TB診断のための現在の金の基準は遅いかアクセス不能である。 現在の機械学習(ML)診断研究は、胸部X線写真の利用と同様に効果がない。 新たなMLアーキテクチャを用いて,スマートフォンからコーズの音響疫学を解析するアンサンブルモデルを開発した。 結果は15秒以内に提供され、モバイルアプリから簡単にアクセスできる。
  論文  参考訳（メタデータ） (2023-10-25T23:22:20Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Computer-aided Tuberculosis Diagnosis with Attribute Reasoning Assistance [58.01014026139231]
  新しい大規模結核(TB)胸部X線データセット(TBX-Att)を提案する。 属性情報を利用してTBの分類とローカライズを行うための属性支援弱教師付きフレームワークを構築した。 提案モデルはTBX-Attデータセットで評価され,今後の研究の確かなベースラインとして機能する。
  論文  参考訳（メタデータ） (2022-07-01T07:50:35Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Design to automate the detection and counting of Tuberculosis(TB) bacilli [0.0]
  世界保健機関(WHO)は結核の早期診断に標準的な顕微鏡検査を推奨している。 顕微鏡で、技術者は、どんなTBバシリの存在でも、スミアの視野(FOV)を調べる。 結核菌の検出のためのコンピュータ支援システムを提案し, 感度と特異性の向上を図った。
  論文  参考訳（メタデータ） (2021-05-24T17:41:39Z)
• TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
  結核は世界的な健康問題であり、感染症による死亡の主な原因です。 リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。 TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
  論文  参考訳（メタデータ） (2021-04-06T14:09:05Z)
• Deep Learning Methods for Screening Pulmonary Tuberculosis Using Chest X-rays [0.974672460306765]
  提案したディープラーニングパイプラインは,肺X線の生成,分画,分類を行う,最先端の3つのアーキテクチャの異なる状態で構成されている。 分類精度は97.1% (Youden's index-0.941, Sensitivity of 97.9%, specificity of 96.2%) となり,既存の文献と比較してかなり改善された。
  論文  参考訳（メタデータ） (2020-12-25T14:21:35Z)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)

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。