論文の概要: Automated Classification of Stroke Blood Clot Origin using Whole-Slide Digital Pathology Images

• arxiv url: http://arxiv.org/abs/2304.13775v1
• Date: Wed, 26 Apr 2023 18:46:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 15:20:28.917441
• Title: Automated Classification of Stroke Blood Clot Origin using Whole-Slide Digital Pathology Images
• Title（参考訳）: 全スライダーデジタル病理画像を用いた脳卒中血塊起源の自動分類
• Authors: Koushik Sivarama Krishnan, P. J. Joe Nikesh, M. Logeshwaran, G. Senthilkumar, D. Elangovan
• Abstract要約: 本研究は,全スライディングデジタル画像からのデータを統合して血液凝固源を分類する新しい手法を提案する。 SwinTransformerV2モデルは、他の全てのモデルより優れており、94.24%の精度を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The classification of the origin of blood clots is a crucial step in diagnosing and treating ischemic stroke. Various imaging techniques such as computed tomography (CT), magnetic resonance imaging (MRI), and ultrasound have been employed to detect and locate blood clots within the body. However, identifying the origin of a blood clot remains challenging due to the complexity of the blood flow dynamics and the limitations of the imaging techniques. The study suggests a novel methodology for classifying the source of a blood clot through the integration of data from whole-slide digital pathology images, which are utilized to fine-tune several cutting-edge computer vision models. Upon comparison, the SwinTransformerV2 model outperforms all the other models and achieves an accuracy score of 94.24%, precision score of 94.41%, recall score of 94.09%, and, f1-score of 94.06%. Our approach shows promising results in detecting the origin of blood clots in different vascular regions and can potentially improve the diagnosis and management of ischemic stroke.
• Abstract（参考訳）: 血栓の起源の分類は虚血性脳卒中を診断し治療するための重要なステップである。 CT(Computed tomography)、MRI(MRI)、超音波などの様々なイメージング技術を用いて、体内の血栓を検出し、発見している。 しかし,血液凝固の起源の同定は血流動態の複雑さとイメージング技術の限界のため,依然として困難である。 本研究は, 最先端コンピュータビジョンモデルの微調整に利用される全スライディングデジタル画像からのデータの統合により, 血液凝固源を分類する新しい手法を提案する。 比較すると、SwinTransformerV2モデルは他のモデルよりも優れ、94.24%の精度スコア、94.41%の精度スコア、94.09%のリコールスコア、94.06%のf1スコアを達成している。 本手法は,異なる血管領域の血液凝固物の起源を検出する上で有望な結果を示し,虚血性脳梗塞の診断と管理を改善する可能性がある。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Transformer-Based Self-Supervised Learning for Histopathological Classification of Ischemic Stroke Clot Origin [0.0]
  虚血性脳卒中における血栓塞栓源の同定は治療と二次予防に不可欠である。 本研究は,虚血性脳梗塞の発生源を分類するためのエンボリのデジタル病理学における自己教師型深層学習アプローチについて述べる。
  論文  参考訳（メタデータ） (2024-05-01T23:40:12Z)
• TransONet: Automatic Segmentation of Vasculature in Computed Tomographic Angiograms Using Deep Learning [0.08376229126363229]
  末梢動脈疾患(PAD)手術中の患者の画像に血管系を区分する深層学習モデルを提案する。 本研究は,(1)下行胸部大動脈から腸骨分岐部,(2)下行胸部大動脈からCTA画像の膝までを深層学習技術を用いて正確に分類することに焦点を当てた。
  論文  参考訳（メタデータ） (2023-11-17T04:59:08Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Stratification of carotid atheromatous plaque using interpretable deep learning methods on B-mode ultrasound images [1.1254693939127909]
  頸動脈硬化は虚血性脳卒中の主要な原因であり、毎年死亡率と障害率が高い。 本稿では,頸動脈動脈プラークのリスク評価と成層化のための,頸動脈超音波画像の解釈可能な分類手法を提案する。
  論文  参考訳（メタデータ） (2022-02-04T23:10:24Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• 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)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous Crossing Patterns [27.867833878756553]
  網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。 医用画像診断における最初期の試みの一つである診断プロセスを支援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） (2020-11-07T13:15:17Z)
• A versatile anomaly detection method for medical images with a flow-based generative model in semi-supervision setting [0.0]
  本稿では,2つの訓練されたフローベース生成モデルに基づく異常検出手法を提案する。 この方法では、後続確率は任意の画像に対する正規度計量として計算できる。 胸部X線写真(CXR)と脳CT(BCT)の2種類の医用画像を用いて評価した。
  論文  参考訳（メタデータ） (2020-01-22T02:01:57Z)

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。