論文の概要: Advancing Ischemic Stroke Diagnosis: A Novel Two-Stage Approach for
Blood Clot Origin Identification
- arxiv url: http://arxiv.org/abs/2304.13775v2
- Date: Fri, 5 Jan 2024 16:13:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-08 18:48:42.906996
- Title: Advancing Ischemic Stroke Diagnosis: A Novel Two-Stage Approach for
Blood Clot Origin Identification
- Title（参考訳）: 脳卒中診断の進歩 : 血塊起源同定のための新しい2段階アプローチ
- Authors: Koushik Sivarama Krishnan, P. J. Joe Nikesh, Swathi Gnanasekar,
Karthik Sivarama Krishnan
- Abstract要約: 本稿では,血液凝固起源を分類する革新的な2段階法について述べる。
MobileNetV3に基づく背景分類器は、大きめのデジタル病理画像を多数のタイルに分割し、細胞物質の存在を検出する。
異なる事前訓練された画像分類アルゴリズムは、血栓の起源を決定するために微調整される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An innovative two-stage methodology for categorizing blood clot origins is
presented in this paper, which is important for the diagnosis and treatment of
ischemic stroke. First, a background classifier based on MobileNetV3 segments
big whole-slide digital pathology images into numerous tiles to detect the
presence of cellular material. After that, different pre-trained image
classification algorithms are fine-tuned to determine the origin of blood
clots. Due to complex blood flow dynamics and limitations in conventional
imaging methods such as computed tomography (CT), magnetic resonance imaging
(MRI), and ultrasound, identifying the sources of blood clots is a challenging
task. Although these techniques are useful for identifying blood clots, they
are not very good at determining how they originated. To address these
challenges, our method makes use of robust computer vision models that have
been refined using information from whole-slide digital pathology images. Out
of all the models tested, the PoolFormer \cite{yu2022metaformer} performs
better than the others, with 93.4\% accuracy, 93.4\% precision, 93.4\% recall,
and 93.4\% F1-score. Moreover, it achieves the good weighted multi-class
logarithmic loss (WMCLL) of 0.4361, which emphasizes how effective it is in
this particular application. These encouraging findings suggest that our
approach can successfully identify the origin of blood clots in a variety of
vascular locations, potentially advancing ischemic stroke diagnosis and
treatment approaches.
- Abstract（参考訳）: 本稿では, 虚血性脳梗塞の診断と治療に重要な2段階の血液凝固起源の分類法について述べる。
まず、MobileNetV3に基づく背景分類器は、大きなスライディングデジタル病理画像を多数のタイルに分割し、細胞物質の存在を検出する。
その後、異なるトレーニング済み画像分類アルゴリズムが微調整され、血栓の起源が決定される。
複雑な血流動態とCT(Computed tomography)、MRI(MRI)、超音波などの従来のイメージング手法の限界のため、血栓の発生源を特定することは難しい課題である。
これらの技術は血栓の同定に有用であるが、その起源を特定するのにはあまり役に立たない。
これらの課題に対処するため,本手法では,デジタル病理画像全体から情報を得た頑健なコンピュータビジョンモデルを用いる。
テストされた全てのモデルのうち、PoolFormer \cite{yu2022metaformer} は他のモデルよりも良く、93.4\%の精度、93.4\%の精度、93.4\%のリコール、93.4\%のF1スコアを持つ。
さらに、この特定のアプリケーションでどれだけ効果的かを強調する、0.4361の優れた重み付き多重クラス対数損失(WMCLL)を達成する。
以上より, 様々な血管部位における血栓の発生源を同定し, 脳梗塞の診断・治療を進展させる可能性が示唆された。
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。