Fugu-MT 論文翻訳(概要): Identification of Hemorrhage and Infarct Lesions on Brain CT Images using Deep Learning

論文の概要: Identification of Hemorrhage and Infarct Lesions on Brain CT Images using Deep Learning

arxiv url: http://arxiv.org/abs/2307.04425v1
Date: Mon, 10 Jul 2023 09:00:12 GMT
ステータス: 処理完了
システム内更新日: 2023-07-11 13:43:17.711406
Title: Identification of Hemorrhage and Infarct Lesions on Brain CT Images using Deep Learning
Title（参考訳）: 深層学習を用いた脳CT画像における出血と梗塞病変の同定
Authors: Arunkumar Govindarajan, Arjun Agarwal, Subhankar Chattoraj, Dennis Robert, Satish Golla, Ujjwal Upadhyay, Swetha Tanamala, and Aarthi Govindarajan
Abstract要約: 頭部CTスキャンにおける異常脳組織の手動アノテーションの基準は、重大な欠点を伴っている。頭蓋内出血 (ICH) と梗塞の判定は, 画像テクスチャ, ボリュームサイズ, スキャン品質の変動が原因で困難である。本研究は,頭部CTスキャンからICHと梗塞を同定するDLベースのアルゴリズムを検証した。
参考スコア（独自算出の注目度）: 3.5263317784479953
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Head Non-contrast computed tomography (NCCT) scan remain the preferred primary imaging modality due to their widespread availability and speed. However, the current standard for manual annotations of abnormal brain tissue on head NCCT scans involves significant disadvantages like lack of cutoff standardization and degeneration identification. The recent advancement of deep learning-based computer-aided diagnostic (CAD) models in the multidisciplinary domain has created vast opportunities in neurological medical imaging. Significant literature has been published earlier in the automated identification of brain tissue on different imaging modalities. However, determining Intracranial hemorrhage (ICH) and infarct can be challenging due to image texture, volume size, and scan quality variability. This retrospective validation study evaluated a DL-based algorithm identifying ICH and infarct from head-NCCT scans. The head-NCCT scans dataset was collected consecutively from multiple diagnostic imaging centers across India. The study exhibits the potential and limitations of such DL-based software for introduction in routine workflow in extensive healthcare facilities.
Abstract（参考訳）: 頭部非コントラストCT(Head Non-Contrast Computed Tomography, NCCT)スキャンは, 広範に利用可能であり, 高速である。しかし、頭部CTスキャンの異常脳組織の手動アノテーションの現在の標準は、カットオフ標準化の欠如や変性の特定など、重大な欠点を伴っている。近年,多分野の深層学習型コンピュータ支援診断(cad)モデルが進歩し,神経学的画像診断に多大な機会がもたらされている。画像の異なるモダリティの脳組織の自動同定において、重要な文献が早くから発表されている。しかし, 画像テクスチャ, ボリュームサイズ, スキャン品質の変動により, 頭蓋内出血と梗塞の判定は困難である。本研究は,頭部CTスキャンからICHと梗塞を同定するDLベースのアルゴリズムを検証した。頭部CTスキャンデータセットは、インドの複数の診断画像センターから連続的に収集された。本研究は、広範囲な医療施設における日常的なワークフロー導入のためのDLベースのソフトウェアの可能性と限界を示す。

関連論文リスト

Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文参考訳（メタデータ） (2024-08-09T15:10:34Z)
Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning [46.75992018094998]
胸部X線(CXR)を低分解能で診断する上での課題について検討した。高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)法を提案する。
論文参考訳（メタデータ） (2024-05-22T06:10:54Z)
Object Detection for Automated Coronary Artery Using Deep Learning [0.0]
本稿では,冠動脈狭窄の部位を正確に同定するために,X線血管造影画像の物体検出法を応用した。このモデルにより,狭窄箇所の自動的かつリアルタイムな検出が可能となり,決定プロセスの重要かつ機密性の高い支援が可能となった。
論文参考訳（メタデータ） (2023-12-19T13:14:52Z)
UMedNeRF: Uncertainty-aware Single View Volumetric Rendering for Medical Neural Radiance Fields [38.62191342903111]
生成した放射場に基づく不確実性を考慮したMedNeRF(UMedNeRF)ネットワークを提案する。我々は,CTプロジェクションレンダリングの結果を1つのX線で示し,生成した放射場に基づく他の手法との比較を行った。
論文参考訳（メタデータ） (2023-11-10T02:47:15Z)
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)
Slice-level Detection of Intracranial Hemorrhage on CT Using Deep Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文参考訳（メタデータ） (2022-08-05T23:20:37Z)
Robust Weakly Supervised Learning for COVID-19 Recognition Using Multi-Center CT Images [8.207602203708799]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)による新型コロナウイルス感染症2019(COVID-19) 異なる病院にあるCTスキャナの様々な技術的仕様のため、CT画像の出現は、多くの自動画像認識アプローチの失敗に繋がる。新型コロナウイルスのCTスキャン認識モデル、すなわち新型コロナウイルス情報融合診断ネットワーク(CIFD-Net)を提案する。本モデルでは,CTスキャン画像の外観の相違を,他の最先端手法と比較して精度が高く,確実かつ効率的に解決することができる。
論文参考訳（メタデータ） (2021-12-09T15:22:03Z)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文参考訳（メタデータ） (2021-03-02T13:14:15Z)
ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文参考訳（メタデータ） (2021-02-25T14:52:23Z)

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。