論文の概要: Towards clinical translation of deep-learning based classification of DSA image sequences for stroke treatment

• arxiv url: http://arxiv.org/abs/2306.06207v1
• Date: Tue, 23 May 2023 11:23:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 12:40:34.554178
• Title: Towards clinical translation of deep-learning based classification of DSA image sequences for stroke treatment
• Title（参考訳）: 脳卒中治療のための深層学習に基づくDSA画像系列分類の臨床的翻訳に向けて
• Authors: Timo Baumg\"artner, Benjamin J. Mittmann, Till Malzacher, Johannes Ro{\ss}kopf, Michael Braun, Bernd Schmitz, Alfred M. Franz
• Abstract要約: デジタルサブトラクション血管造影シークエンスにおけるトロンバス検出のための機械学習に基づく自動分類の可能性が実証された。 自動血栓分類のためのオープンソースツールについて検討し, 選択した3症例について検討した。
• 参考スコア（独自算出の注目度）: 1.085238722119773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the event of stroke, a catheter-guided procedure (thrombectomy) is used to remove blood clots. Feasibility of machine learning based automatic classifications for thrombus detection on digital substraction angiography (DSA) sequences has been demonstrated. It was however not used live in the clinic, yet. We present an open-source tool for automatic thrombus classification and test it on three selected clinical cases regarding functionality and classification runtime. With our trained model all large vessel occlusions in the M1 segment were correctly classified. One small remaining M3 thrombus was not detected. Runtime was in the range from 1 to 10 seconds depending on the used hardware. We conclude that our open-source software tool enables clinical staff to classify DSA sequences in (close to) realtime and can be used for further studies in clinics.
• Abstract（参考訳）: 脳卒中の場合、血栓を除去するためにカテーテルガイド手術(thrombectomy)が用いられる。 DSA (Digital Substraction Angiography) を用いた血栓検出のための機械学習に基づく自動分類の可能性が示されている。 しかし、まだ診療所では使用されていない。 本稿では,自動トロンバス分類のためのオープンソースツールを提案し,機能と分類ランタイムに関する3つの臨床事例について検証する。 訓練モデルでは,M1セグメントのすべての大血管閉塞が正しく分類された。 残る1つのM3血栓は検出されなかった。 ランタイムは、使用するハードウェアによって1秒から10秒の範囲でした。 我々のオープンソースソフトウェアツールは、臨床スタッフがDSAシークエンスをリアルタイムで分類し、クリニックでのさらなる研究に使用できると結論付けている。

関連論文リスト

• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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)
• AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases Treatment: Status Quo [55.04215695343928]
  大動脈血管木は大動脈とその枝枝動脈からなる。 大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
  論文  参考訳（メタデータ） (2021-08-06T08:18:28Z)
• The interpretation of endobronchial ultrasound image using 3D convolutional neural network for differentiating malignant and benign mediastinal lesions [3.0969191504482247]
  本研究の目的は,内胚葉超音波(EBUS)画像を用いて悪性病変と良性病変を鑑別することである。 我々のモデルはノイズに耐性があり、EBUSビデオの様々な画像特徴と願望を融合させることができる。
  論文  参考訳（メタデータ） (2021-07-29T08:38:17Z)
• Self-Supervised Multi-Modal Alignment for Whole Body Medical Imaging [70.52819168140113]
  我々は、英国バイオバンクの2万名以上の被験者のデータセットを使用し、全体Dixon法磁気共鳴法(MR)スキャンとデュアルエネルギーX線吸収率法(DXA)スキャンを併用した。 マルチモーダル画像マッチングコントラストフレームワークを導入し、同一対象の異なるモダリティスキャンを高精度にマッチングすることができる。 適応がなければ、この対照的なトレーニングステップで学習した対応が、自動クロスモーダルスキャン登録の実行に利用できることを示す。
  論文  参考訳（メタデータ） (2021-07-14T12:35:05Z)
• Active learning for medical code assignment [55.99831806138029]
  臨床領域における多ラベルテキスト分類におけるアクティブラーニング(AL)の有効性を示す。 MIMIC-IIIデータセットにICD-9コードを自動的に割り当てるために、よく知られたALメソッドのセットを適用します。 その結果、有益なインスタンスの選択は、大幅に減少したトレーニングセットで満足のいく分類を提供する。
  論文  参考訳（メタデータ） (2021-04-12T18:11:17Z)
• COVID-19 identification from volumetric chest CT scans using a progressively resized 3D-CNN incorporating segmentation, augmentation, and class-rebalancing [4.446085353384894]
  新型コロナウイルスは世界的なパンデミックの流行だ。 高い感度のコンピュータ支援スクリーニングツールは、疾患の診断と予後に不可欠である。 本稿では,3次元畳み込みニューラルネットワーク(CNN)に基づく分類手法を提案する。
  論文  参考訳（メタデータ） (2021-02-11T18:16:18Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)
• Primary Tumor Origin Classification of Lung Nodules in Spectral CT using Transfer Learning [4.0657540412774935]
  肺癌の早期発見は死亡率を著しく低下させることが証明されている。 近年,CT (Computerd tomography) やスペクトルCT (Spectral CT) の進歩により診断精度が向上する可能性がある。 我々はCT画像における肺結節の検出と分類システムを提案する。
  論文  参考訳（メタデータ） (2020-06-30T09:56:18Z)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)

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。