論文の概要: Handling Label Uncertainty on the Example of Automatic Detection of Shepherd's Crook RCA in Coronary CT Angiography

• arxiv url: http://arxiv.org/abs/2306.01752v1
• Date: Mon, 22 May 2023 16:56:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-11 14:07:27.772450
• Title: Handling Label Uncertainty on the Example of Automatic Detection of Shepherd's Crook RCA in Coronary CT Angiography
• Title（参考訳）: 冠動脈造影ctにおける羊飼いのcrook rca自動検出例におけるラベル不確かさの取り扱い
• Authors: Felix Denzinger, Michael Wels, Oliver Taubmann, Florian Kordon, Fabian Wagner, Stephanie Mehltretter, Mehmet A. G\"uls\"un, Max Sch\"obinger, Florian Andr\'e, Sebastian Buss, Johannes G\"orich, Michael S\"uhling, Andreas Maier
• Abstract要約: 本稿では,残差畳み込み列を利用した1次元畳み込みニューラルネットワークを提案する。 本研究では,このラベルの不確実性,すなわちグローバル/モデルワイドランダム代入,排除,ソフトラベル代入を扱うための対策について検討する。
• 参考スコア（独自算出の注目度）: 5.366927189969315
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Coronary artery disease (CAD) is often treated minimally invasively with a catheter being inserted into the diseased coronary vessel. If a patient exhibits a Shepherd's Crook (SC) Right Coronary Artery (RCA) - an anatomical norm variant of the coronary vasculature - the complexity of this procedure is increased. Automated reporting of this variant from coronary CT angiography screening would ease prior risk assessment. We propose a 1D convolutional neural network which leverages a sequence of residual dilated convolutions to automatically determine this norm variant from a prior extracted vessel centerline. As the SC RCA is not clearly defined with respect to concrete measurements, labeling also includes qualitative aspects. Therefore, 4.23% samples in our dataset of 519 RCA centerlines were labeled as unsure SC RCAs, with 5.97% being labeled as sure SC RCAs. We explore measures to handle this label uncertainty, namely global/model-wise random assignment, exclusion, and soft label assignment. Furthermore, we evaluate how this uncertainty can be leveraged for the determination of a rejection class. With our best configuration, we reach an area under the receiver operating characteristic curve (AUC) of 0.938 on confident labels. Moreover, we observe an increase of up to 0.020 AUC when rejecting 10% of the data and leveraging the labeling uncertainty information in the exclusion process.
• Abstract（参考訳）: 冠状動脈疾患 (CAD) は, 冠動脈内にカテーテルを挿入し, 最小侵襲で治療されることが多い。 冠状動脈の解剖学的標準変種であるShepherd's Crook (SC) Right Coronary Artery (RCA) を施行すると, その複雑さが増大する。 冠動脈ctアンギオグラフィスクリーニングによるこの変異の自動報告は、事前のリスクアセスメントが容易になる。 そこで本研究では, 残差拡張畳み込みの系列を利用して, 抽出した血管中心線から, このノルム変形を自動的に決定する1次元畳み込みニューラルネットワークを提案する。 SC RCAは具体的な測定に関して明確に定義されていないため、ラベル付けには質的な側面も含まれている。 したがって、我々の519のRCA中心ラインのデータセットの4.23%のサンプルは、不確実なSCRCAとしてラベル付けされ、5.97%は確実にSCRCAとしてラベル付けされた。 我々は,このラベルの不確実性,すなわちグローバル/モデルワイズランダム割当,排他,ソフトラベル割当を扱うための対策を検討する。 さらに,この不確実性が,拒絶クラスの決定にどのように活用できるかを評価する。 最良構成では、信頼ラベル上で0.938の受信者動作特性曲線(auc)の下にある領域に到達する。 さらに、データの10%を拒否し、排除プロセスにおけるラベル付けの不確実性情報を活用する場合、最大0.020 AUCの増加を観察する。

関連論文リスト

• DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning approach for thoracic aorta segmentation and aneurysm prediction using computed tomography scans [2.3135717943756307]
  胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の進行拡大による解離や破裂を引き起こす致命的な疾患である。 その他の指標は、このスクリーニングに役立つが、コントラスト増強や低用量プロトコールを伴わずに取得すれば、臨床評価が困難になる可能性がある。 本研究は, 対照群とTAA患者を含む587種類のCTスキャンを, コントラスト増強の有無にかかわらず低線量および標準線量プロトコールで取得した。 新たなセグメンテーションモデルであるDeepVoxは,開発およびテストセットに対してそれぞれ0.932と0.897のダイススコア係数を示した。
  論文  参考訳（メタデータ） (2023-10-23T19:48:58Z)
• Neural network-based coronary dominance classification of RCA angiograms [0.3177496877224142]
  右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。 対象は828例で,その内192例が左支配症例であった。 RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
  論文  参考訳（メタデータ） (2023-09-13T13:47:52Z)
• Uncertainty-based quality assurance of carotid artery wall segmentation in black-blood MRI [3.377374929672754]
  黒血MRIにおける頸動脈壁分画の完全自動アルゴリズムを開発した。 頸動脈を中心にした3Dパッチの巣状動脈壁を同定する。 本研究では,輪郭位置のモデル予測の不確かさが,誤り検出の代役となるかを検討する。
  論文  参考訳（メタデータ） (2023-08-18T13:16:00Z)
• Point Transformer For Coronary Artery Labeling [15.584299238028464]
  CCTA分析のための正確かつ自動的な血管ラベリングアルゴリズムは、診断効率を大幅に改善し、臨床医の手作業を減らすことができる。 本稿では,冠動脈セグメンテーションのみを必要とするPoint Transformerに基づく簡易な血管ラベリング法を提案する。
  論文  参考訳（メタデータ） (2023-05-04T03:57:54Z)
• 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)
• 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)
• 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)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Automated Detection of Coronary Artery Stenosis in X-ray Angiography using Deep Neural Networks [0.0]
  X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。 左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
  論文  参考訳（メタデータ） (2021-03-04T11:45:54Z)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。