Fugu-MT 論文翻訳(概要): Simultaneous column-based deep learning progression analysis of atrophy associated with AMD in longitudinal OCT studies

論文の概要: Simultaneous column-based deep learning progression analysis of atrophy associated with AMD in longitudinal OCT studies

arxiv url: http://arxiv.org/abs/2307.16559v1
Date: Mon, 31 Jul 2023 10:38:07 GMT
ステータス: 処理完了
システム内更新日: 2023-08-01 15:01:26.535318
Title: Simultaneous column-based deep learning progression analysis of atrophy associated with AMD in longitudinal OCT studies
Title（参考訳）: 縦断的OCT研究におけるAMDに伴う萎縮のカラムベース深層学習進行解析
Authors: Adi Szeskin, Roei Yehuda, Or Shmueli, Jaime Levy and Leo Joskowicz
Abstract要約: AMDに合併した網膜萎縮症の進行には経時的OCT研究の正確な定量化が必要である。乾式AMDに伴う時間関連萎縮の同時検出と定量化のための完全自動エンドツーエンドパイプラインを提案する。
参考スコア（独自算出の注目度）: 3.277151368405969
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Purpose: Disease progression of retinal atrophy associated with AMD requires the accurate quantification of the retinal atrophy changes on longitudinal OCT studies. It is based on finding, comparing, and delineating subtle atrophy changes on consecutive pairs (prior and current) of unregistered OCT scans. Methods: We present a fully automatic end-to-end pipeline for the simultaneous detection and quantification of time-related atrophy changes associated with dry AMD in pairs of OCT scans of a patient. It uses a novel simultaneous multi-channel column-based deep learning model trained on registered pairs of OCT scans that concurrently detects and segments retinal atrophy segments in consecutive OCT scans by classifying light scattering patterns in matched pairs of vertical pixel-wide columns (A-scans) in registered prior and current OCT slices (B-scans). Results: Experimental results on 4,040 OCT slices with 5.2M columns from 40 scans pairs of 18 patients (66% training/validation, 33% testing) with 24.13+-14.0 months apart in which Complete RPE and Outer Retinal Atrophy (cRORA) was identified in 1,998 OCT slices (735 atrophy lesions from 3,732 segments, 0.45M columns) yield a mean atrophy segments detection precision, recall of 0.90+-0.09, 0.95+-0.06 and 0.74+-0.18, 0.94+-0.12 for atrophy lesions with AUC=0.897, all above observer variability. Simultaneous classification outperforms standalone classification precision and recall by 30+-62% and 27+-0% for atrophy segments and lesions. Conclusions: simultaneous column-based detection and quantification of retinal atrophy changes associated with AMD is accurate and outperforms standalone classification methods. Translational relevance: an automatic and efficient way to detect and quantify retinal atrophy changes associated with AMD.
Abstract（参考訳）: 目的: AMD 関連網膜萎縮症の進行には, 経時的 OCT 研究における網膜萎縮の正確な定量化が必要である。これは、未登録の oct スキャンの連続ペア (prior と current) における微妙な萎縮の変化を見つけ、比較し、線引きすることに基づいている。方法: ドライAMDにともなう経時的萎縮の同時検出と定量化のための完全自動エンドツーエンドパイプラインを患者のCTスキャンにて提案した。登録前のOCTスライス(Bスキャン)と現在のOCTスライス(Bスキャン)の垂直画素ワイドカラム(Aスキャン)のマッチングペアにおける光散乱パターンを分類することにより、連続したOCTスキャンにおいて網膜萎縮セグメントを同時に検出し、セグメント化する。結果:4,040 OCTスライスと18例のスキャン(66%のトレーニング/バリデーション,33%の試験)と24.13-14.0ヶ月の試験で,完全RPEと外網膜萎縮症(cRORA)が1,998 OCTスライス(735個の萎縮病変(3,732セグメント,0.45Mカラム)で同定され,0.90+-0.09,0.95+-0.06,0.74+-0.18,0.94+-0.12が検出された。同時分類は、萎縮部位や病変に対して、スタンドアロンの分類精度とリコールを30+-62%、27+-0%で上回る。結論: AMDに伴う網膜萎縮の同時検出と定量化は正確であり,単独分類法より優れている。翻訳的関連性:amdに関連する網膜萎縮を検知し、定量化する自動的かつ効率的な方法。

関連論文リスト

Segmentation of Aortic Vessel Tree in CT Scans with Deep Fully Convolutional Networks [4.062948258086793]
大動脈疾患の早期発見,診断,予後には,CTスキャンによる大動脈血管木の自動的,正確な分画が不可欠である。我々は2段階の完全畳み込みネットワーク(FCN)を用いて、複数のセンターからスキャン中のAVTを自動的に分割する。
論文参考訳（メタデータ） (2023-05-16T22:24:01Z)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文参考訳（メタデータ） (2021-08-07T10:12:42Z)
Pointwise visual field estimation from optical coherence tomography in glaucoma: a structure-function analysis using deep learning [12.70143462176992]
SAP(Standard Automated Perimetry)は、緑内障治療における視野(VF)の喪失を監視するための金の標準である。我々は,光学コヒーレンス・トモグラフィー(OCT)スキャンによる点方向および全体的VF損失を推定する深層学習(DL)回帰モデルを開発し,検証した。
論文参考訳（メタデータ） (2021-06-07T16:58:38Z)
Rapid quantification of COVID-19 pneumonia burden from computed tomography with convolutional LSTM networks [1.0072268949897432]
新型肺炎における肺病変の迅速定量と分化のための新しい完全自動化ディープラーニングフレームワークを提案する。 SARS-CoV-2の陽性逆転写ポリメラーゼ連鎖反応試験結果を有する197例のCTデータセット上で,この方法の性能を評価した。
論文参考訳（メタデータ） (2021-03-31T22:09:14Z)
Fully Automated and Standardized Segmentation of Adipose Tissue Compartments by Deep Learning in Three-dimensional Whole-body MRI of Epidemiological Cohort Studies [11.706960468832301]
全身MR画像から異なる脂肪組織成分の定量化と局在化が,代謝状態の解明に重要である。本稿では,頑健で客観的なセグメンテーションを実現するために,3次元畳み込みニューラルネットワーク(DCNet)を提案する。高速(5-7秒)かつ信頼性の高い脂肪組織セグメンテーションを高Dice重なりで得ることができる。
論文参考訳（メタデータ） (2020-08-05T17:30:14Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文参考訳（メタデータ） (2020-05-07T12:16:37Z)
Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文参考訳（メタデータ） (2020-04-02T21:49:14Z)
Lung Infection Quantification of COVID-19 in CT Images with Deep Learning [41.35413216175024]
深層学習システムは、関心のある感染症領域を自動的に定量化するために開発された。感染領域分割のための放射線科医を支援するためのループ内ヒト戦略
論文参考訳（メタデータ） (2020-03-10T11:58:40Z)

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。