論文の概要: Coronary Artery Semantic Labeling using Edge Attention Graph Matching
Network
- arxiv url: http://arxiv.org/abs/2305.12327v1
- Date: Sun, 21 May 2023 03:14:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 21:23:12.235011
- Title: Coronary Artery Semantic Labeling using Edge Attention Graph Matching
Network
- Title(参考訳): エッジアテンショングラフマッチングネットワークを用いた冠動脈セマンティックラベリング
- Authors: Chen Zhao, Zhihui Xu, Guang-Uei Hung, Weihua Zhou
- Abstract要約: 冠状動脈疾患 (CAD) は、世界中の死因の1つである。
本稿では,冠動脈セマンティックラベリングのためのエッジアテンショングラフマッチングネットワーク(EAGMN)を提案する。
- 参考スコア(独自算出の注目度): 4.316187690050619
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Coronary artery disease (CAD) is one of the primary causes leading deaths
worldwide. The presence of atherosclerotic lesions in coronary arteries is the
underlying pathophysiological basis of CAD, and accurate extraction of
individual arterial branches using invasive coronary angiography (ICA) is
crucial for stenosis detection and CAD diagnosis. We propose an innovative
approach called the Edge Attention Graph Matching Network (EAGMN) for coronary
artery semantic labeling. By converting the coronary artery semantic
segmentation task into a graph node similarity comparison task, identifying the
node-to-node correspondence would assign semantic labels for each arterial
branch. More specifically, The EAGMN utilizes the association graph constructed
from the two individual graphs as input. Experimental results indicate the
EAGMN achieved a weighted accuracy of 0.8653, a weighted precision of 0.8656, a
weighted recall of 0.8653 and a weighted F1-score of 0.8643. Furthermore, we
employ ZORRO to provide interpretability and explainability of the graph
matching for artery semantic labeling. These findings highlight the potential
of the EAGMN for accurate and efficient coronary artery semantic labeling using
ICAs. By leveraging the inherent characteristics of ICAs and incorporating
graph matching techniques, our proposed model provides a promising solution for
improving CAD diagnosis and treatment
- Abstract(参考訳): 冠状動脈疾患 (CAD) は、世界中で大きな死因の1つである。
冠動脈に動脈硬化性病変が存在することはCADの基礎疾患であり,冠動脈造影(ICA)による個々の動脈枝の正確な抽出は狭窄の検出とCAD診断に不可欠である。
本稿では,冠動脈セマンティックラベリングのためのエッジ注意グラフマッチングネットワーク(EAGMN)を提案する。
冠動脈セマンティックセグメンテーションタスクをグラフノード類似性比較タスクに変換することで、ノード間対応を識別することで、動脈枝毎にセマンティックラベルを割り当てる。
具体的には、EAGMNは2つの個々のグラフから構築された関連グラフを入力として利用する。
実験の結果,eagmnの重み付け精度は0.8653,重み付け精度0.8656,重み付けリコール0.8653,重み付けf1-score 0.8643であった。
さらに,動脈意味ラベリングのためのグラフマッチングの解釈可能性と説明性を提供するためにZORROを採用している。
以上より, 動脈セマンティックラベリングにおけるEAGMNの有用性が示唆された。
ICAの特性を活用してグラフマッチング手法を取り入れることで,CADの診断と治療を改善するための有望なソリューションが提案される。
関連論文リスト
- Multi-graph Graph Matching for Coronary Artery Semantic Labeling [4.238852424523291]
冠状動脈意味的ラベル付けのためのマルチグラフグラフマッチング(MGM)アルゴリズムを提案する。
MGMアルゴリズムは、複数の血管木グラフにおける動脈間の類似性を評価し、各グラフ間のサイクル整合性を考慮して評価する。
718 ICAを用いた多地点データセットを用いて冠動脈セマンティックラベリングの精度0.9471の精度を実現した。
論文 参考訳(メタデータ) (2024-02-24T20:02:00Z) - Hyper Association Graph Matching with Uncertainty Quantification for
Coronary Artery Semantic Labeling [4.9679652736351905]
ICAを用いた冠状動脈セマンティックラベリングにおける不確実性定量化(HAGMN-UQ)を用いたハイパーアソシエーショングラフマッチングニューラルネットワークの革新的アプローチを提案する。
冠動脈セマンティックラベリングの精度は0.9345,高速推論速度は0。
論文 参考訳(メタデータ) (2023-08-20T16:59:17Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - AGMN: Association Graph-based Graph Matching Network for Coronary Artery
Semantic Labeling on Invasive Coronary Angiograms [3.475534733052516]
冠状動脈意味的ラベル付けのためのアソシエーショングラフベースのグラフマッチングネットワーク(AGMN)を提案する。
AGMNモデルの平均精度は0.8264、平均精度は0.8276、平均リコールは0.8264、F1スコアは0.8262である。
論文 参考訳(メタデータ) (2023-01-11T21:54:28Z) - Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。
また、TNCD: Thyroid Nodule Classification データセットも提供します。
論文 参考訳(メタデータ) (2022-07-02T11:50:02Z) - 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) - CathAI: Fully Automated Interpretation of Coronary Angiograms Using
Neural Networks [9.963333753481514]
冠動脈狭窄を推定する完全自動血管造影法が深部神経回路アルゴリズムを用いて初めて可能であることを示す。
私たちが開発したアルゴリズムパイプライン、すなわちCathAIは、選択されていない現実世界のアンジオグラムの自動解釈を実現するために必要な一連のタスクにまたがって、最先端のパフォーマンスを達成します。
論文 参考訳(メタデータ) (2021-06-14T18:58:09Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - Automated Intracranial Artery Labeling using a Graph Neural Network and
Hierarchical Refinement [45.85443690049826]
属性付きリレーショナルグラフにおけるノードとエッジのタイプを分類し,動脈をラベル付けするグラフニューラルネットワーク(GNN)手法を提案する。
我々の手法は97.5%の精度でノードラベリングを行い、63.8%のスキャンはウィリスのすべてのノードに対して正しくラベル付けされた。
論文 参考訳(メタデータ) (2020-07-11T06:22:35Z) - Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete
Labels [66.57101219176275]
胸部X線画像上の疾患診断は,多ラベル分類の課題である。
本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。
本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
論文 参考訳(メタデータ) (2020-02-26T17:10:48Z)
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。