論文の概要: Improving Automated Hemorrhage Detection in Sparse-view Computed
Tomography via Deep Convolutional Neural Network based Artifact Reduction
- arxiv url: http://arxiv.org/abs/2303.09340v1
- Date: Thu, 16 Mar 2023 14:21:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-17 15:24:29.851834
- Title: Improving Automated Hemorrhage Detection in Sparse-view Computed
Tomography via Deep Convolutional Neural Network based Artifact Reduction
- Title（参考訳）: deep convolutional neural network based artifact reductionによるsparse-view ctによる出血自動検出の改善
- Authors: Johannes Thalhammer, Manuel Schultheiss, Tina Dorosti, Tobias Lasser,
Franz Pfeiffer, Daniela Pfeiffer, Florian Schaff
- Abstract要約: 頭蓋内出血は急速かつ頻繁な治療を必要とする深刻な健康上の問題を引き起こす。
本研究では, スパースビューCCTからのアーティファクトの削減にU-Netアーキテクチャを用い, スパースビューからの完全サンプル再構成を予測した。
我々は, 出血分類畳み込みニューラルネットワークを用いて, 予測されたCCTの出血検出能を評価し, 出血のサブタイプを同定し分類するために, 完全サンプルCCTを用いて訓練を行った。
- 参考スコア（独自算出の注目度）: 4.109026802238838
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intracranial hemorrhage poses a serious health problem requiring rapid and
often intensive medical treatment. For diagnosis, a Cranial Computed Tomography
(CCT) scan is usually performed. However, the increased health risk caused by
radiation is a concern. The most important strategy to reduce this potential
risk is to keep the radiation dose as low as possible and consistent with the
diagnostic task. Sparse-view CT can be an effective strategy to reduce dose by
reducing the total number of views acquired, albeit at the expense of image
quality. In this work, we use a U-Net architecture to reduce artifacts from
sparse-view CCTs, predicting fully sampled reconstructions from sparse-view
ones. We evaluate the hemorrhage detectability in the predicted CCTs with a
hemorrhage classification convolutional neural network, trained on fully
sampled CCTs to detect and classify different sub-types of hemorrhages. Our
results suggest that the automated classification and detection accuracy of
hemorrhages in sparse-view CCTs can be improved substantially by the U-Net.
This demonstrates the feasibility of rapid automated hemorrhage detection on
low-dose CT data to assist radiologists in routine clinical practice.
- Abstract（参考訳）: 頭蓋内出血は、迅速かつ頻繁な治療を必要とする深刻な健康問題を引き起こす。
診断には頭蓋骨CT(Cranial Computed Tomography, CCT)が用いられる。
しかし、放射線による健康リスクの増加が懸念されている。
この潜在的なリスクを減らすための最も重要な戦略は、放射線線量を最小限に抑え、診断タスクと整合させることである。
スパースビューCTは、画像の品質を犠牲にしながら、取得したビューの総数を減らし、線量を削減する効果的な方法である。
本研究では, スパースビューCCTからのアーティファクトの削減にU-Netアーキテクチャを用い, スパースビューからの完全サンプル再構成を予測する。
出血分類畳み込みニューラルネットワークを用いて予測したcctの出血検出能を評価し, 完全サンプリングcctで訓練し, 異なるサブタイプの出血を検出・分類した。
スパースビューCTにおける出血の自動分類と検出精度は,U-Netにより大幅に向上することが示唆された。
これにより,低用量ctデータを用いた迅速自動出血検出が,日常臨床における放射線科医の補助に有用であることが示された。
関連論文リスト
- Predicting Thrombectomy Recanalization from CT Imaging Using Deep
Learning Models [7.102894759193281]
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。
論文 参考訳（メタデータ） (2023-02-08T15:41:21Z) - SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。
提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
論文 参考訳（メタデータ） (2022-11-30T14:51:14Z) - Robust Weakly Supervised Learning for COVID-19 Recognition Using
Multi-Center CT Images [8.207602203708799]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)による新型コロナウイルス感染症2019(COVID-19)
異なる病院にあるCTスキャナの様々な技術的仕様のため、CT画像の出現は、多くの自動画像認識アプローチの失敗に繋がる。
新型コロナウイルスのCTスキャン認識モデル、すなわち新型コロナウイルス情報融合診断ネットワーク(CIFD-Net)を提案する。
本モデルでは,CTスキャン画像の外観の相違を,他の最先端手法と比較して精度が高く,確実かつ効率的に解決することができる。
論文 参考訳（メタデータ） (2021-12-09T15:22:03Z) - Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。
我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。
画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
論文 参考訳（メタデータ） (2021-11-09T00:11:01Z) - AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases
Treatment: Status Quo [55.383839271406366]
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) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - Deep-Learning Driven Noise Reduction for Reduced Flux Computed
Tomography [0.0]
深層畳み込みニューラルネットワーク(dcnn)は、低品質、低用量、高用量、高用量の画像にマッピングするために使用できる。
トレーニング時間を増やすことなく、マイクロCTによるデータセットに基づく現在の結果を強調表示し、DCNN結果を改善するためのトランスファーラーニングを適用します。
論文 参考訳（メタデータ） (2021-01-18T23:31:37Z) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Synergistic Learning of Lung Lobe Segmentation and Hierarchical
Multi-Instance Classification for Automated Severity Assessment of COVID-19
in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。
マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。
われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文 参考訳（メタデータ） (2020-05-08T03:16:15Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z) - Segmentation of Retinal Low-Cost Optical Coherence Tomography Images
using Deep Learning [2.571523045125397]
治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。
現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。
ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
論文 参考訳（メタデータ） (2020-01-23T12:55:53Z)
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。