論文の概要: Prior-knowledge-informed deep learning for lacune detection and quantification using multi-site brain MRI

• arxiv url: http://arxiv.org/abs/2306.10622v1
• Date: Sun, 18 Jun 2023 19:16:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 19:35:45.195462
• Title: Prior-knowledge-informed deep learning for lacune detection and quantification using multi-site brain MRI
• Title（参考訳）: 多地点脳MRIを用いた事前知識インフォームドディープラーニングによるラセン検出と定量化
• Authors: Bo Li, Jeroen de Bresser, Wiro Niessen, Matthias van Osch, Wiesje M. van der Flier, Geert Jan Biessels, Meike W. Vernooij, Esther Bron (for the Heart-Brain Connection Consortium)
• Abstract要約: 脳小血管疾患や認知症などの認知疾患を評価する上で,血管起源と推定される涙液が重要である。 画像データからラキューンの視覚的評価は、小さなサイズ、疎外性、模倣のため、困難で、時間がかかり、レーダに依存している。 そこで我々は,ラグーン検出に加えて,カテゴリー的重み付けスコアを出力する新しいフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 5.44895222817536
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lacunes of presumed vascular origin, also referred to as lacunar infarcts, are important to assess cerebral small vessel disease and cognitive diseases such as dementia. However, visual rating of lacunes from imaging data is challenging, time-consuming, and rater-dependent, owing to their small size, sparsity, and mimics. Whereas recent developments in automatic algorithms have shown to make the detection of lacunes faster while preserving sensitivity, they also showed a large number of false positives, which makes them impractical for use in clinical practice or large-scale studies. Here, we develop a novel framework that, in addition to lacune detection, outputs a categorical burden score. This score could provide a more practical estimate of lacune presence that simplifies and effectively accelerates the imaging assessment of lacunes. We hypothesize that the combination of detection and the categorical score makes the procedure less sensitive to noisy labels.
• Abstract（参考訳）: 血管起源と推定されるラクエンは、脳小血管疾患や認知症などの認知疾患を評価するのに重要である。 しかしながら、画像データからのラクエンの視覚的評価は、そのサイズ、スパース性、模倣性が小さいため、困難で、時間がかかり、レート依存である。 最近の自動アルゴリズムの発展により、感度を保ちながらラカンの検出を高速化する一方で、偽陽性が多数見られ、臨床や大規模研究での使用には実用的でないことが示されている。 そこで我々は,ラグーン検出に加えて,分類的負担スコアを出力する新しいフレームワークを開発した。 このスコアは、ラキューンのイメージングアセスメントを単純化し、効果的に加速するより実用的なラキューンの存在推定を提供する可能性がある。 我々は,検出と分類スコアの組み合わせにより,ノイズラベルに対する感度が低下する,という仮説を立てた。

関連論文リスト

• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Gravity Network for end-to-end small lesion detection [50.38534263407915]
  本稿では,医療画像の小さな病変を特異的に検出するワンステージエンド・ツー・エンド検出器を提案する。 小さな病変の正確な局在化は、その外観と、それらが見つかる様々な背景によって困難を呈する。 この新たなアーキテクチャをGravityNetと呼び、新しいアンカーを重力点と呼ぶ。
  論文  参考訳（メタデータ） (2023-09-22T14:02:22Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Application of attention-based Siamese composite neural network in medical image recognition [6.370635116365471]
  本研究は,注目とシームズニューラルネットワークに基づく認識モデルを構築した。 アテンションに基づくニューラルネットワークは、分類効果を改善するためにメインネットワークとして使用される。 その結果、画像サンプルの数が少ないほど、利点が明らかになることがわかった。
  論文  参考訳（メタデータ） (2023-04-19T16:09:59Z)
• Brain subtle anomaly detection based on auto-encoders latent space analysis : application to de novo parkinson patients [0.0]
  パッチベースのオートエンコーダは、潜在空間によって提供される効率的な表現力を持ち、可視的病変検出には良い結果が得られた。 本研究は,多変量解析から派生した2つの代替検出基準を設計し,潜在空間表現から情報をより直接取得する。 パーキンソン病(PD)分類の難しい課題において,2つの指導的学習法と比較した。
  論文  参考訳（メタデータ） (2023-02-27T08:58:31Z)
• On the Feasibility of Machine Learning Augmented Magnetic Resonance for Point-of-Care Identification of Disease [16.052314124109223]
  多くの生命を脅かす病気の早期発見は臨床結果を改善し、医療費を削減できる。 疾患診断におけるMR画像の精度が高いにもかかわらず、Point-of-Care病の診断ツールとして使用されていない。 そこで本研究では,1) 疾患の特定精度を最大化するk空間のサブセットを同定し,2) 特定したk空間サブセットを用いて疾患を直接推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-01-27T19:32:27Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
  腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。 我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。 画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
  論文  参考訳（メタデータ） (2021-11-09T00:11:01Z)
• Residual Error: a New Performance Measure for Adversarial Robustness [85.0371352689919]
  ディープラーニングの広く普及を制限する大きな課題は、敵の攻撃に対する脆弱さである。 本研究は,ディープニューラルネットワークの対角強靭性を評価するための新しい性能尺度である残留誤差の概念を提示する。 画像分類を用いた実験結果から,提案手法の有効性と有効性を示した。
  論文  参考訳（メタデータ） (2021-06-18T16:34:23Z)
• Information Bottleneck Attribution for Visual Explanations of Diagnosis and Prognosis [8.325727554619325]
  本稿では,医療応用のための堅牢な視覚的説明手法を提案する。 情報ボトルネックの概念に触発され、ニューラルネットワーク表現をノイズでマスキングして重要な領域を見つけます。
  論文  参考訳（メタデータ） (2021-04-07T02:43:52Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。