Fugu-MT 論文翻訳(概要): Image Classification of Stroke Blood Clot Origin using Deep Convolutional Neural Networks and Visual Transformers

論文の概要: Image Classification of Stroke Blood Clot Origin using Deep Convolutional Neural Networks and Visual Transformers

arxiv url: http://arxiv.org/abs/2305.16492v1
Date: Thu, 25 May 2023 21:46:12 GMT
ステータス: 処理完了
システム内更新日: 2023-05-29 18:09:09.247713
Title: Image Classification of Stroke Blood Clot Origin using Deep Convolutional Neural Networks and Visual Transformers
Title（参考訳）: 深部畳み込みニューラルネットワークと視覚変換器を用いたストローク血液起源の画像分類
Authors: David Azatyan
Abstract要約: 米国では、毎年70万人以上の患者が虚血性脳梗塞に遭遇している。このアプローチでは、4つのディープニューラルネットワークアーキテクチャと単純なアンサンブル手法が使用されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Stroke is one of two main causes of death worldwide. Many individuals suffer from ischemic stroke every year. Only in US more over 700,000 individuals meet ischemic stroke due to blood clot blocking an artery to the brain every year. The paper describes particular approach how to apply Artificial Intelligence for purposes of separating two major acute ischemic stroke (AIS) etiology subtypes: cardiac and large artery atherosclerosis. Four deep neural network architectures and simple ensemble method are used in the approach.
Abstract（参考訳）: ストロークは世界中で2つの死因の1つである。多くの人は毎年脳卒中を患っている。アメリカでは、毎年70万人以上の患者が虚血性脳梗塞に遭遇している。心動脈硬化症と大動脈硬化症という2種類の急性虚血性脳梗塞(AIS)の亜型を分離するための人工知能の応用法について述べる。このアプローチでは、4つのディープニューラルネットワークアーキテクチャと単純なアンサンブル手法が使われている。

関連論文リスト

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)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文参考訳（メタデータ） (2022-05-05T10:31:57Z)
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)
Deep-ASPECTS: A Segmentation-Assisted Model for Stroke Severity Measurement [1.3814679165245243]
脳卒中は、脳内の動脈が破裂して出血したり、脳への血液供給が遮断されたときに起こる。本研究では,ASPECTSにおけるCTスキャンの深層学習に基づくスコアリング手法を提案する。
論文参考訳（メタデータ） (2022-03-05T06:12:49Z)
A Graphical Approach For Brain Haemorrhage Segmentation [0.0]
脳の出血は15歳から24歳までの人の死因の主要な原因である。近年のディープラーニングと画像処理の進歩は、CTスキャンのような様々なモダリティを利用して、脳出血の検出とセグメンテーションを自動化する。
論文参考訳（メタデータ） (2022-02-14T17:06:32Z)
Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
論文参考訳（メタデータ） (2021-12-23T14:51:45Z)
Stroke Lesion Segmentation with Visual Cortex Anatomy Alike Neural Nets [0.0]
この研究は、人間の視覚野の解剖学的構造を模倣した、より脳に似たモデルを提示する。提案したモデルは,最先端のモデルと同等に動作可能であることが判明した。
論文参考訳（メタデータ） (2021-05-13T20:39:29Z)
3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
論文参考訳（メタデータ） (2021-04-04T20:30:14Z)
Latent Space Analysis of VAE and Intro-VAE applied to 3-dimensional MR Brain Volumes of Multiple Sclerosis, Leukoencephalopathy, and Healthy Patients [0.0]
多発性硬化症(MS)と微小血管性白質脳症は2つの異なる神経疾患である。我々は,両疾患の特定の特徴を教師なしで学習するために,3次元深層ニューラルネットワークを訓練する。
論文参考訳（メタデータ） (2021-01-17T20:31:22Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)

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。