Fugu-MT 論文翻訳(概要): Predicting Thrombectomy Recanalization from CT Imaging Using Deep Learning Models

論文の概要: Predicting Thrombectomy Recanalization from CT Imaging Using Deep Learning Models

arxiv url: http://arxiv.org/abs/2302.04143v1
Date: Wed, 8 Feb 2023 15:41:21 GMT
ステータス: 処理完了
システム内更新日: 2023-02-09 15:43:34.259901
Title: Predicting Thrombectomy Recanalization from CT Imaging Using Deep Learning Models
Title（参考訳）: 深層学習モデルを用いたCT画像からの血栓摘出の予測
Authors: Haoyue Zhang, Jennifer S. Polson, Eric J. Yang, Kambiz Nael, William Speier, Corey W. Arnold
Abstract要約: 術前CTとCTA画像を用いて,患者の再石灰化スコアの完全自動予測を提案した。我々のトップモデルは平均クロスバリデードROC-AUC 77.33 $pm$3.9%を達成した。
参考スコア（独自算出の注目度）: 7.102894759193281
License: http://creativecommons.org/licenses/by/4.0/
Abstract: For acute ischemic stroke (AIS) patients with large vessel occlusions, clinicians must decide if the benefit of mechanical thrombectomy (MTB) outweighs the risks and potential complications following an invasive procedure. Pre-treatment computed tomography (CT) and angiography (CTA) are widely used to characterize occlusions in the brain vasculature. If a patient is deemed eligible, a modified treatment in cerebral ischemia (mTICI) score will be used to grade how well blood flow is reestablished throughout and following the MTB procedure. An estimation of the likelihood of successful recanalization can support treatment decision-making. In this study, we proposed a fully automated prediction of a patient's recanalization score using pre-treatment CT and CTA imaging. We designed a spatial cross attention network (SCANet) that utilizes vision transformers to localize to pertinent slices and brain regions. Our top model achieved an average cross-validated ROC-AUC of 77.33 $\pm$ 3.9\%. This is a promising result that supports future applications of deep learning on CT and CTA for the identification of eligible AIS patients for MTB.
Abstract（参考訳）: 大血管閉塞を有する急性虚血性脳梗塞(AIS)患者に対しては,機械的血栓摘出術(MTB)の利点が侵襲的手術後のリスクと合併症を上回りうるか否かを臨床医が判断する必要がある。術前CT (Pre-treatment Computed Tomography) と血管造影 (Angiography) は脳血管の閉塞を特徴付けるために広く用いられている。患者が適当と判断された場合、mTICIスコアの修正治療が、MDBの手術中および術後の血流の回復の度合いを評価するために用いられる。再カンカナライゼーションの成功可能性の推定は、治療の意思決定を支援することができる。本研究では,術前CTとCTA画像を用いて,患者の再石灰化スコアの完全自動予測を提案した。我々は,視覚変換器を用いた空間的クロスアテンションネットワーク(SCANet)を設計し,関連するスライスや脳領域にローカライズした。我々のトップモデルは平均クロスバリデーションROC-AUC 77.33 $\pm$ 3.9\%を達成した。 MTBのAIS患者を特定するため,CTおよびCTAにおける深層学習の今後の活用を支援する有望な成果である。

関連論文リスト

From Diagnostic CT to DTI Tractography labels: Using Deep Learning for Corticospinal Tract Injury Assessment and Outcome Prediction in Intracerebral Haemorrhage [1.2180046815010375]
脳卒中後の運動回復には,皮質脊髄路(CST)の保存が重要である。非造影CTは、ほとんどの脳内出血診断パイプラインで日常的に利用可能である。 57%のDice類似度係数でCSTの拡散型トラクトグラフィーマップを再現した。
論文参考訳（メタデータ） (2024-08-12T13:34:26Z)
DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning approach for thoracic aorta segmentation and aneurysm prediction using computed tomography scans [2.3135717943756307]
胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の進行拡大による解離や破裂を引き起こす致命的な疾患である。その他の指標は、このスクリーニングに役立つが、コントラスト増強や低用量プロトコールを伴わずに取得すれば、臨床評価が困難になる可能性がある。本研究は, 対照群とTAA患者を含む587種類のCTスキャンを, コントラスト増強の有無にかかわらず低線量および標準線量プロトコールで取得した。新たなセグメンテーションモデルであるDeepVoxは,開発およびテストセットに対してそれぞれ0.932と0.897のダイススコア係数を示した。
論文参考訳（メタデータ） (2023-10-23T19:48:58Z)
Automatic lesion analysis for increased efficiency in outcome prediction of traumatic brain injury [12.651451007914124]
本研究は, 日常的に取得した病院入所CTスキャンから抽出したバイオマーカーの予測力について検討した。我々は,TBI結果予測モデルの拡張のための入力として,病変量とそれに対応する病変統計を用いた。自動的に抽出された定量的CT特徴は、不利なTBI結果を予測する際にマーシャルスコアと同等かそれ以上に機能することがわかった。
論文参考訳（メタデータ） (2022-08-08T13:18:35Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
Computational Image-based Stroke Assessment for Evaluation of Cerebroprotectants with Longitudinal and Multi-site Preclinical MRI [0.4460373311150658]
SPAN(Stroke Preclinical Assessment Network)のための画像ベースストローク結果定量化のためのパイプラインを開発し,評価し,展開した。私たちの完全に自動化されたパイプラインは、最先端のアルゴリズムとデータ分析のアプローチを組み合わせて、脳卒中の結果を評価する。画像ベース脳卒中評価の有用性とロバスト性について検討した。
論文参考訳（メタデータ） (2022-03-11T01:53:30Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文参考訳（メタデータ） (2021-10-11T07:13:26Z)
AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
大動脈血管木は大動脈とその枝枝動脈からなる。大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
論文参考訳（メタデータ） (2021-08-06T08:18:28Z)
DeepPrognosis: Preoperative Prediction of Pancreatic Cancer Survival and Surgical Margin via Contrast-Enhanced CT Imaging [26.162788846435365]
膵管腺癌(PDAC)は最も致命的ながんの1つである。 3D Contrast-Enhanced Convolutional Long Short-Term Memory Network (CE-ConvLSTM) と命名されたPDAC患者の生存予測のための新しいディープニューラルネットワークを提案する。腫瘍切除マージンに関連する特徴を学習し,生存率予測を改善することにより,予後とマージン予測の両課題を達成できるマルチタスクCNNを提案する。
論文参考訳（メタデータ） (2020-08-26T22:51:24Z)

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。