論文の概要: CAD-RADS scoring of coronary CT angiography with Multi-Axis Vision
Transformer: a clinically-inspired deep learning pipeline
- arxiv url: http://arxiv.org/abs/2304.07277v1
- Date: Fri, 14 Apr 2023 17:41:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 12:51:19.274894
- Title: CAD-RADS scoring of coronary CT angiography with Multi-Axis Vision
Transformer: a clinically-inspired deep learning pipeline
- Title（参考訳）: Multi-Axis Vision Transformer を用いた CAD-RADS による冠動脈造影
- Authors: Alessia Gerbasi, Arianna Dagliati, Giuseppe Albi, Mattia Chiesa,
Daniele Andreini, Andrea Baggiano, Saima Mushtaq, Gianluca Pontone, Riccardo
Bellazzi, Gualtiero Colombo
- Abstract要約: 本研究は、冠状動脈疾患スクリーニングのための意思決定支援システムとして使用される完全自動化され、視覚的に説明可能なディープラーニングパイプラインを提案する。
The pipeline pre-processs multiplanar projections of the coronary artery, extract from the original Coronary Computed Tomography Angiography (CCTA)
3大冠動脈の2次元縦断断面をチャネル次元に沿って重ねることで、患者当たりのスコアを割り当てるように訓練されている。
- 参考スコア（独自算出の注目度）: 0.5366236361669898
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The standard non-invasive imaging technique used to assess the severity and
extent of Coronary Artery Disease (CAD) is Coronary Computed Tomography
Angiography (CCTA). However, manual grading of each patient's CCTA according to
the CAD-Reporting and Data System (CAD-RADS) scoring is time-consuming and
operator-dependent, especially in borderline cases. This work proposes a fully
automated, and visually explainable, deep learning pipeline to be used as a
decision support system for the CAD screening procedure. The pipeline performs
two classification tasks: firstly, identifying patients who require further
clinical investigations and secondly, classifying patients into subgroups based
on the degree of stenosis, according to commonly used CAD-RADS thresholds. The
pipeline pre-processes multiplanar projections of the coronary arteries,
extracted from the original CCTAs, and classifies them using a fine-tuned
Multi-Axis Vision Transformer architecture. With the aim of emulating the
current clinical practice, the model is trained to assign a per-patient score
by stacking the bi-dimensional longitudinal cross-sections of the three main
coronary arteries along channel dimension. Furthermore, it generates visually
interpretable maps to assess the reliability of the predictions. When run on a
database of 1873 three-channel images of 253 patients collected at the Monzino
Cardiology Center in Milan, the pipeline obtained an AUC of 0.87 and 0.93 for
the two classification tasks, respectively. According to our knowledge, this is
the first model trained to assign CAD-RADS scores learning solely from patient
scores and not requiring finer imaging annotation steps that are not part of
the clinical routine.
- Abstract（参考訳）: 冠動脈疾患(cad)の重症度と程度を評価するための標準的な非侵襲的イメージング技術は、冠動脈ctアンギオグラフィー(ccta)である。
しかし, CAD-RADS(CAD-Reporting and Data System, CAD-RADS)による各患者のCCTAの経時的評価は, 特に境界症例では時間と操作者に依存している。
本研究はCADスクリーニング手順の意思決定支援システムとして使用される完全自動化された視覚的に説明可能なディープラーニングパイプラインを提案する。
一般的に使用されるCAD-RADS閾値によると、パイプラインは2つの分類タスクを実行する: 第一に、さらなる臨床試験を必要とする患者を識別し、第二に、患者を狭窄度に基づいてサブグループに分類する。
このパイプラインは、オリジナルのCCTAから抽出された冠状動脈の多平面投影を前処理し、微調整された多軸視覚変換器アーキテクチャを用いて分類する。
現在の臨床実践をエミュレートする目的で, 3つの主冠動脈の2次元縦断断面をチャネル次元に沿って積み重ねることで, 患者毎のスコアを割り当てるように訓練した。
さらに、予測の信頼性を評価するために視覚的に解釈可能な地図を生成する。
1873年にミラノのMonzino Cardiology Centerで収集された253人の患者の3チャンネル画像のデータベース上で走行すると、パイプラインは2つの分類タスクに対してそれぞれ0.87と0.93のAUCを得た。
我々の知る限り、CAD-RADSスコアを患者スコアのみから学習し、臨床ルーチンの一部ではないより微細な画像アノテーションステップを必要としないよう訓練された最初のモデルである。
関連論文リスト
- NeCA: 3D Coronary Artery Tree Reconstruction from Two 2D Projections by Neural Implicit Representation [2.1771042711033997]
2D x線による冠動脈造影は, CVDの診断において最も広く採用されている画像モダリティである。
放射線限界のため、一般的には2つの血管造影プロジェクションのみを取得し、血管形状の限られた情報を提供する。
マルチレゾリューションハッシュエンコーダと差別化可能なコーンビームフォワードプロジェクタ層を用いた暗黙のニューラル表現に基づく,NeCAと呼ばれる自己教師型ディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2024-09-06T20:08:21Z) - CADICA: a new dataset for coronary artery disease detection by using
invasive coronary angiography [1.5404452377809545]
冠状動脈疾患(CAD)は、今でも世界中で死因となっている。
深層学習分類法は医用画像の他の領域でよく開発されている。
最も重要な理由の1つは、可用性と高品質なオープンアクセスデータセットの欠如である。
論文 参考訳（メタデータ） (2024-02-01T13:03:13Z) - Multivessel Coronary Artery Segmentation and Stenosis Localisation using
Ensemble Learning [3.656984996633334]
そこで本研究では,MICCAI 2023 Automatic Region-based Coronary Artery Disease(冠状動脈疾患自動診断)のためのエンド・ツー・エンドの機械学習ソリューションを提案する。
X線冠動脈造影による冠動脈分画および狭窄性病変の局在性評価の方法の標準化を目的としている。
冠状動脈セグメンテーションでは平均F1スコアが37.69%、狭窄局所化では39.41%であった。
論文 参考訳（メタデータ） (2023-10-27T08:03:12Z) - Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via
Volumetric Pseudo-Labeling [66.75096111651062]
我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。
解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。
得られたセグメンテーションモデルはCXRで顕著な性能を示した。
論文 参考訳（メタデータ） (2023-06-06T18:01:08Z) - Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。
CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。
大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文 参考訳（メタデータ） (2022-06-04T13:16:30Z) - 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) - CAD-RADS Scoring using Deep Learning and Task-Specific Centerline
Labeling [5.854918673468336]
臨床的には、冠動脈疾患(CAD)の重症度は冠動脈造影(CCTA)スキャンで評価されることが多い。
本稿では、タスク固有のディープラーニングアーキテクチャのための重大性に基づくラベル符号化、テスト時間拡張(TTA)、モデルアンサンブルを提案する。
受信機動作特性曲線(AUC)では,ルールアウトでは0.914から0.942に,ホールドアウトでは0.921から0.950に,それぞれ上昇することができた。
論文 参考訳（メタデータ） (2022-02-08T06:22:03Z) - 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) - 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) - Automatic CAD-RADS Scoring Using Deep Learning [5.789689435835229]
The CAD-Reporting and Data System (CAD-RADS) has developed to standardize communication and help in decision making based on CCTA findings。
CAD-RADSスコアは, 冠状動脈内病変の経時的評価と, 冠状動脈内病変の経時的評価によって決定される。
本稿では,冠状動脈の分節的表現に基づく深層学習を用いて,このスコアの完全自動予測のためのボトムアップ手法を提案する。
論文 参考訳（メタデータ） (2020-10-05T12:48:15Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳（メタデータ） (2020-06-25T21:10:04Z)
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。