論文の概要: A new method using deep learning to predict the response to cardiac
resynchronization therapy
- arxiv url: http://arxiv.org/abs/2305.02475v1
- Date: Thu, 4 May 2023 00:51:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 17:25:49.489818
- Title: A new method using deep learning to predict the response to cardiac
resynchronization therapy
- Title(参考訳): 深層学習を用いた心臓再同期療法の反応予測法
- Authors: Kristoffer Larsena, Zhuo He, Chen Zhao, Xinwei Zhang, Quiying Sha,
Claudio T Mesquitad, Diana Paeze, Ernest V. Garciaf, Jiangang Zou, Amalia
Peix, Weihua Zhou
- Abstract要約: 本研究の目的は、臨床変数、心電図(ECG)の特徴、および心機能の評価から得られるパラメータと、ゲートSPECT MPIの極地図を組み合わせることである。
DLモデルは、事前訓練されたVGG16モジュールと多層パーセプトロンを組み合わせることで構築された。
DLモデルは平均AUC(0.83)、精度(0.73)、感度(0.76)、特異性(0.69)がMLモデルとガイドライン基準を上回ることを示した。
- 参考スコア(独自算出の注目度): 5.220522498181878
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background. Clinical parameters measured from gated single-photon emission
computed tomography myocardial perfusion imaging (SPECT MPI) have value in
predicting cardiac resynchronization therapy (CRT) patient outcomes, but still
show limitations. The purpose of this study is to combine clinical variables,
features from electrocardiogram (ECG), and parameters from assessment of
cardiac function with polarmaps from gated SPECT MPI through deep learning (DL)
to predict CRT response. Methods. 218 patients who underwent rest gated SPECT
MPI were enrolled in this study. CRT response was defined as an increase in
left ventricular ejection fraction (LVEF) > 5% at a 6-month follow up. A DL
model was constructed by combining a pre-trained VGG16 module and a multilayer
perceptron. Two modalities of data were input to the model: polarmap images
from SPECT MPI and tabular data from clinical features and ECG parameters.
Gradient-weighted Class Activation Mapping (Grad-CAM) was applied to the VGG16
module to provide explainability for the polarmaps. For comparison, four
machine learning (ML) models were trained using only the tabular features.
Results. Modeling was performed on 218 patients who underwent CRT implantation
with a response rate of 55.5% (n = 121). The DL model demonstrated average AUC
(0.83), accuracy (0.73), sensitivity (0.76), and specificity (0.69) surpassing
the ML models and guideline criteria. Guideline recommendations presented
accuracy (0.53), sensitivity (0.75), and specificity (0.26). Conclusions. The
DL model outperformed the ML models, showcasing the additional predictive
benefit of utilizing SPECT MPI polarmaps. Incorporating additional patient data
directly in the form of medical imagery can improve CRT response prediction.
- Abstract(参考訳): 背景。
ゲート型単光子ct心筋灌流画像(spect mpi)から測定した臨床パラメータは、心臓再同期療法(crt)患者の予後予測に有用であるが、まだ限界がある。
本研究の目的は,臨床変数,心電図(ECG)の特徴,および心機能評価からCRT応答を予測するための深層学習(DL)を通して,ゲートSPECT MPIの極マップを抽出することである。
メソッド。
SPECT SPECT MPI を施行した218例について検討した。
crt反応は6ヶ月の追跡で左室射出率 (lvef) が5%以上増加したと定義した。
VGG16モジュールと多層パーセプトロンを組み合わせたDLモデルを構築した。
SPECT MPIの極地図画像と臨床像と心電図パラメータの2つのデータモダリティをモデルに入力した。
勾配重み付きクラスアクティベーションマッピング(Grad-CAM)をVGG16モジュールに適用し、極性マップの説明可能性を提供した。
比較のために、4つの機械学習(ML)モデルが表の特徴のみを用いて訓練された。
結果だ
5.5% (n = 121) の反応率でcrt移植を行った218例に対してモデリングを行った。
dlモデルでは平均auc (0.83), 精度 (0.73), 感度 (0.76), 特異度 (0.69) がmlモデルとガイドライン基準を上回った。
ガイドラインでは精度(0.53)、感度(0.75)、特異性(0.26)が示された。
結論だ
DLモデルはMLモデルよりも優れており、SPECT MPI極マップの利用によるさらなる予測上の利点を示している。
医療画像の形で追加の患者データを直接組み込むことで、CRT応答予測を改善することができる。
関連論文リスト
- Deep Learning Based Apparent Diffusion Coefficient Map Generation from Multi-parametric MR Images for Patients with Diffuse Gliomas [1.5267759610392577]
拡散強調(DWI)MRIから得られたADCマップは、組織内の水分子に関する機能的測定を提供する。
本研究では,多パラメータMR画像からADCマップを合成するディープラーニングフレームワークを開発することを目的とする。
論文 参考訳(メタデータ) (2024-07-02T19:08:40Z) - A new method of modeling the multi-stage decision-making process of CRT using machine learning with uncertainty quantification [8.540186345787244]
本研究の目的は、心不全患者に対する心臓再同期療法(CRT)反応を予測するための多段階機械学習モデルを構築することである。
論文 参考訳(メタデータ) (2023-09-15T14:18:53Z) - A new method using deep transfer learning on ECG to predict the response
to cardiac resynchronization therapy [2.8136734847819773]
伝達学習モデルは、応答者と非応答者との区別において72%の精度を達成した。
このモデルではCRT応答体を同定する際の感度(0.78)と特異性(0.79)が良好であった。
論文 参考訳(メタデータ) (2023-06-02T00:08:38Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳(メタデータ) (2021-10-19T00:03:57Z) - A method using deep learning to discover new predictors of CRT response
from mechanical dyssynchrony on gated SPECT MPI [8.41618722939145]
本研究の目的は、ゲートSPECT MPIの位相解析から新しいLVMDパラメータを抽出することである。
CRT反応は左室収縮容積の低下と定義された。
ベースラインゲートSPECT MPIからオートエンコーダによって抽出された新しいLVMDパラメータは、CRT応答の予測を改善する可能性がある。
論文 参考訳(メタデータ) (2021-06-01T15:49:31Z) - A self-supervised learning strategy for postoperative brain cavity
segmentation simulating resections [46.414990784180546]
畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。
CNNはトレーニングに大量の注釈付きデータセットを必要とする。
自己教師型学習戦略は、トレーニングにラベルのないデータを活用することができる。
論文 参考訳(メタデータ) (2021-05-24T12:27:06Z) - Comparison of Machine Learning Classifiers to Predict Patient Survival
and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。
GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。
xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文 参考訳(メタデータ) (2021-02-10T15:10:37Z) - Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI
using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。
前立腺切除術による脱線をMRIでトレーニングした。
前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
論文 参考訳(メタデータ) (2020-10-28T21:07:09Z) - COVID-19 Classification of X-ray Images Using Deep Neural Networks [36.99143569437537]
本研究の目的は、新型コロナウイルスの診断のための機械学習モデルの作成と評価である。
機械学習モデルは、事前訓練されたディープラーニングモデル(ReNet50)を使用して構築され、データ拡張と肺分節によって強化された。
精度,感度,受信特性曲線(ROC)と高精度リコール曲線(P-R)を用いて評価した。
論文 参考訳(メタデータ) (2020-10-03T13:57:08Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳(メタデータ) (2020-07-20T19:08:50Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z)
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。