論文の概要: Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms

• arxiv url: http://arxiv.org/abs/2303.17593v2
• Date: Fri, 17 May 2024 15:00:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-20 20:53:07.317252
• Title: Anatomically aware dual-hop learning for pulmonary embolism detection in CT pulmonary angiograms
• Title（参考訳）: CT肺血管造影における肺塞栓症検出のための解剖学的二重ホップ学習
• Authors: Florin Condrea, Saikiran Rapaka, Lucian Itu, Puneet Sharma, Jonathan Sperl, A Mohamed Ali, Marius Leordeanu,
• Abstract要約: 本稿では,コンピュータビジョンと深部ニューラルネットワークを効果的に組み合わせ,肺塞栓症検出のためのディープラーニングベースのアプローチを提案する。 本手法は, 解剖学的構造の自動検出, 2) 解剖学的事前訓練, 神経学, 3) PE検出のための二重ホップディープネットの3つの軸に沿って, 新規な改良を特徴とする。
• 参考スコア（独自算出の注目度）: 8.112976210963243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pulmonary Embolisms (PE) represent a leading cause of cardiovascular death. While medical imaging, through computed tomographic pulmonary angiography (CTPA), represents the gold standard for PE diagnosis, it is still susceptible to misdiagnosis or significant diagnosis delays, which may be fatal for critical cases. Despite the recently demonstrated power of deep learning to bring a significant boost in performance in a wide range of medical imaging tasks, there are still very few published researches on automatic pulmonary embolism detection. Herein we introduce a deep learning based approach, which efficiently combines computer vision and deep neural networks for pulmonary embolism detection in CTPA. Our method features novel improvements along three orthogonal axes: 1) automatic detection of anatomical structures; 2) anatomical aware pretraining, and 3) a dual-hop deep neural net for PE detection. We obtain state-of-the-art results on the publicly available multicenter large-scale RSNA dataset.
• Abstract（参考訳）: 肺塞栓症(PE)は心臓血管死の主要な原因である。 画像診断はCTPA (Computed tomographic lung angiography) を通し, PE診断における金の基準となっているが, 診断の誤診や診断遅延が著しいため, 重篤な症例では致命的と思われる。 近年の深層学習の力により、幅広い医療画像撮影タスクにおけるパフォーマンスが大幅に向上したにもかかわらず、自動肺塞栓症検出に関する研究は、まだほとんど発表されていない。 本稿では,CTPAにおける肺塞栓症検出のために,コンピュータビジョンとディープニューラルネットワークを効果的に組み合わせたディープラーニングベースのアプローチを提案する。 本手法は3つの直交軸に沿った新しい改善を特徴とする。 1)解剖学的構造の自動検出 2)解剖学的事前訓練 3)PE検出用デュアルホップディープニューラルネット。 我々は,一般公開されたマルチセンター大規模RSNAデータセットの最先端結果を得た。

関連論文リスト

• Robust deep labeling of radiological emphysema subtypes using squeeze and excitation convolutional neural networks: The MESA Lung and SPIROMICS Studies [34.200556207264974]
  肺気腫は進行性で不可逆的な肺組織喪失である。 最近の研究は、肺CTにおける空間的インフォームド肺テクスチャパターン(ss)の教師なし学習につながっている。 肺CT上のss CNNとCTESの教師あり分類のための3次元圧縮・励起モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-01T03:45:56Z)
• Detecting Pulmonary Embolism from Computed Tomography Using Convolutional Neural Network [0.0]
  本研究は, 畳み込みニューラルネットワークを用いて胸部CT画像を取得する全症例において, 肺塞栓症を検出するための深層学習手法を提案する。 肺塞栓症検出システムにより, 肺塞栓症とCT像の同時検出が可能となった。
  論文  参考訳（メタデータ） (2022-06-03T00:01:47Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Attention based CNN-LSTM Network for Pulmonary Embolism Prediction on Chest Computed Tomography Pulmonary Angiograms [22.62583095023903]
  肺塞栓症(PE)は最も致命的な心血管疾患の一つである。 PE予測のための2段階注目型CNN-LSTMネットワークを提案する。 本フレームワークはマルチスライス手法を用いて放射線診断プロセスのミラーリングを行う。
  論文  参考訳（メタデータ） (2021-07-13T17:58:15Z)
• 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)
• Pulmonary embolism identification in computerized tomography pulmonary angiography scans with deep learning technologies in COVID-19 patients [0.65756807269289]
  本稿では,A-Scans画像における肺塞栓症同定のための最も正確かつ高速な深層学習モデルについて紹介する。 本研究では,肺塞栓症の診断精度を向上させるために,分類モデルと対象検出モデルを組み合わせた高速トラックソリューション(システム)を提案する。
  論文  参考訳（メタデータ） (2021-05-24T10:23:21Z)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Automatic Diagnosis of Pulmonary Embolism Using an Attention-guided Framework: A Large-scale Study [5.4009326643013065]
  肺塞栓症 (PE) は、高い死亡率と致死性を伴う致命的な疾患である。 胸部CTでPEを検出するための深層学習モデルについて, 2段階のトレーニング戦略を用いて検討した。
  論文  参考訳（メタデータ） (2020-05-29T20:46:24Z)
• 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)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。