論文の概要: A Bibliography of Multiple Sclerosis Lesions Detection Methods using Brain MRIs

• arxiv url: http://arxiv.org/abs/2302.09516v1
• Date: Sun, 19 Feb 2023 09:26:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 18:10:39.038045
• Title: A Bibliography of Multiple Sclerosis Lesions Detection Methods using Brain MRIs
• Title（参考訳）: 脳MRIを用いた多発性硬化症病変検出法に関する文献的考察
• Authors: Atif Shah, Maged S. Al-Shaibani, Moataz Ahmad, Reem Bunyan
• Abstract要約: 多発性硬化症(Multiple Sclerosis、MS)は、世界中の何百万人もの人に影響を与える慢性疾患である。 医師がMS病変を診断するのを助けるため、コンピュータ支援法が広く用いられている。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Introduction: Multiple Sclerosis (MS) is a chronic disease that affects millions of people across the globe. MS can critically affect different organs of the central nervous system such as the eyes, the spinal cord, and the brain. Background: To help physicians in diagnosing MS lesions, computer-aided methods are widely used. In this regard, a considerable research has been carried out in the area of automatic detection and segmentation of MS lesions in magnetic resonance images (MRIs). Methodology: In this study, we review the different approaches that have been used in computer-aided detection and segmentation of MS lesions. Our review resulted in categorizing MS lesion segmentation approaches into six broad categories: data-driven, statistical, supervised machine learning, unsupervised machine learning, fuzzy, and deep learning-based techniques. We critically analyze the different techniques under these approaches and highlight their strengths and weaknesses. Results: From the study, we observe that a considerable amount of work, around 25% of related literature, is focused on statistical-based MS lesion segmentation techniques, followed by 21.15% for data-driven based methods, 19.23% for deep learning and 15.38% for supervised methods. Implication: The study points out the challenges/gaps to be addressed in future research. The study shows the work which has been done in last one decade in detection and segmentation of MS lesions. The results show that, in recent years, deep learning methods are outperforming all the others methods.
• Abstract（参考訳）: 導入:多発性硬化症(MS)は世界中の何百万人もの人に影響を及ぼす慢性疾患である。 MSは、眼、脊髄、脳などの中枢神経系の様々な器官に重大な影響を与える。 背景:MS病変の診断を支援するため,コンピュータ支援法が広く用いられている。 磁気共鳴画像(MRI)におけるMS病変の自動検出とセグメンテーションの分野では,かなりの研究がなされている。 方法:本研究では,コンピュータ支援によるMS病変の検出と分節化に用いられている様々なアプローチについて検討する。 データ駆動型,統計型,教師あり機械学習,教師なし機械学習,ファジィ,ディープラーニングベースの6つのカテゴリに分類した。 我々はこれらのアプローチの下で異なる技術を分析し、その強みと弱みを強調する。 結果:本研究から,関連文献の約25%にあたる相当量の作業が統計に基づくms病変分割技術に焦点をあて,データ駆動型手法が21.15%,ディープラーニングが19.23%,教師あり手法が15.38%であった。 この研究は今後の研究で解決すべき課題やギャップを指摘している。 この研究は、MS病変の検出と分節化において過去10年間に行われた成果を示している。 その結果,近年,ディープラーニングの手法は他の手法よりも優れていることがわかった。

関連論文リスト

• Enhanced Deep Learning Methodologies and MRI Selection Techniques for Dementia Diagnosis in the Elderly Population [5.103059984821972]
  3次元脳磁気共鳴画像(MRI)による認知症・非認知症高齢者の分類法を提案する。 提案手法は,MRIスライスを選択的に処理し,最も関連性の高い脳領域に着目し,少ない情報領域を除外するユニークな手法である。 この方法論は、3つのカスタムディープラーニングモデルからなる信頼に基づく分類委員会によって補完される。
  論文  参考訳（メタデータ） (2024-07-24T14:48:40Z)
• Alzheimers Disease Diagnosis by Deep Learning Using MRI-Based Approaches [0.0]
  アルツハイマー病はいくつかの脳の過程(記憶など)を弱め、最終的に死に至る。 ディープラーニングアルゴリズムは、入力された生データからパターン認識と特徴抽出を行うことができる。 我々は,2021年から2023年にかけてのMRIに基づくディープラーニングアルゴリズムを用いて,アルツハイマー病の診断に焦点を当てた5つの特定の研究を分析した。
  論文  参考訳（メタデータ） (2023-10-26T19:48:08Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with Multi-Task Brain Age Prediction [53.122045119395594]
  ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。 年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。 そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-31T09:39:52Z)
• A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19 [64.88701052813462]
  新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。 この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。 本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-13T03:28:20Z)
• Multiple Sclerosis Lesion Analysis in Brain Magnetic Resonance Images: Techniques and Clinical Applications [22.410543483471915]
  多発性硬化症(MS)は、中枢神経系の慢性炎症性および変性疾患である。 伝統的に、MS病変は手動で2DMRIスライスに注釈付けされている。 深層学習技術は,ms病変分割タスクにおいて著しいブレークスルーを達成した。
  論文  参考訳（メタデータ） (2021-04-20T15:08:51Z)
• MRI Images, Brain Lesions and Deep Learning [0.0]
  脳MRI画像のホワイトマター高輝度(WMH)の分類、識別、検出を可能にするシステムおよびアルゴリズムに関する公開文献をレビューします。 虚血性および脱髄性病変のセグメント化の最高精度と信頼性を達成するために、ディープラーニングの新しいモデルの研究と提案に絶え間なく成長しています。
  論文  参考訳（メタデータ） (2021-01-13T14:18:48Z)
• Multiple Sclerosis Lesion Segmentation -- A Survey of Supervised CNN-Based Methods [0.6091702876917279]
  病変分割は、多発性硬化症患者のMRIスキャンを定量的に分析するためのコアタスクです。 最近のディープラーニング技術の成功は、この困難な問題に対するコミュニティの関心を再び高めている。
  論文  参考訳（メタデータ） (2020-12-12T19:05:41Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。