論文の概要: Emphysema Subtyping on Thoracic Computed Tomography Scans using Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2309.02576v1
• Date: Tue, 5 Sep 2023 20:54:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 17:38:31.191293
• Title: Emphysema Subtyping on Thoracic Computed Tomography Scans using Deep Neural Networks
• Title（参考訳）: 深部神経回路を用いた胸部CTスキャンの気腫サブタイプ
• Authors: Weiyi Xie, Colin Jacobs, Jean-Paul Charbonnier, Dirk Jan Slebos, Bram van Ginneken
• Abstract要約: そこで本研究では,Fleischner Societyの視覚スコアシステムによる肺気腫サブタイプと重症度解析のための深層学習に基づくアプローチを提案する。 我々のアルゴリズムは予測精度を52%で達成し、これまで公表された手法の精度を45%上回った。 提案法は, 遠心性気腫から海綿状気腫まで予測能力を拡張し, 海綿状気腫を含む。
• 参考スコア（独自算出の注目度）: 5.322495071033588
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate identification of emphysema subtypes and severity is crucial for effective management of COPD and the study of disease heterogeneity. Manual analysis of emphysema subtypes and severity is laborious and subjective. To address this challenge, we present a deep learning-based approach for automating the Fleischner Society's visual score system for emphysema subtyping and severity analysis. We trained and evaluated our algorithm using 9650 subjects from the COPDGene study. Our algorithm achieved the predictive accuracy at 52\%, outperforming a previously published method's accuracy of 45\%. In addition, the agreement between the predicted scores of our method and the visual scores was good, where the previous method obtained only moderate agreement. Our approach employs a regression training strategy to generate categorical labels while simultaneously producing high-resolution localized activation maps for visualizing the network predictions. By leveraging these dense activation maps, our method possesses the capability to compute the percentage of emphysema involvement per lung in addition to categorical severity scores. Furthermore, the proposed method extends its predictive capabilities beyond centrilobular emphysema to include paraseptal emphysema subtypes.
• Abstract（参考訳）: 肺気腫の亜型と重症度の正確な同定は、COPDの効果的な管理と疾患の不均一性の研究に不可欠である。 気腫の亜型と重症度の手動解析は熱心で主観的である。 この課題に対処するために,我々はFleischner Societyの視覚スコアシステムを自動化するための深層学習に基づくアプローチを提案する。 COPDGeneによる9650名の被験者を対象に,本アルゴリズムの訓練と評価を行った。 本アルゴリズムは, 予測精度を52\%で達成し, 提案手法の精度を45\%で上回った。 また,提案手法の予測スコアと視覚スコアとの一致は良好であり,従来手法では中程度の一致しか得られなかった。 提案手法では,ネットワーク予測を可視化する高分解能局所化アクティベーションマップを同時に生成しながら,カテゴリラベルを生成するための回帰学習手法を採用している。 これらの濃密な活性化マップを利用することで、肺1個あたりの気腫の関与率を、カテゴリー別重症度スコアに加えて計算する能力を有する。 さらに,その予測能力は遠心性気腫を越え,寄生性気腫のサブタイプを含むように拡張した。

関連論文リスト

• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• Automatic segmentation of lung findings in CT and application to Long COVID [38.69538648742266]
  S-MEDSegは胸部CT画像における肺病変の正確な分画のための深層学習に基づくアプローチである。 S-MEDSegは、トレーニング済みのEfficientNetバックボーン、双方向機能ピラミッドネットワーク、モダンネットワークの進化を組み合わせたものだ。
  論文  参考訳（メタデータ） (2023-10-13T23:42:43Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Self-Supervised Few-Shot Learning for Ischemic Stroke Lesion Segmentation [8.668715385199889]
  トレーニング中に1つの注記標本のみを用いて,虚血性病変の分節に対する数発のセグメンテーション法を提案する。 我々はComputd Tomography Perfusion scanから生成されたカラーコードパラメトリックマップを利用する。 注記1例につき平均Diceスコア0.58が虚血性病変の分節に対して達成される。
  論文  参考訳（メタデータ） (2023-03-02T15:10:08Z)
• Analysis of a Deep Learning Model for 12-Lead ECG Classification Reveals Learned Features Similar to Diagnostic Criteria [1.055404869921767]
  12誘導心電図分類のための訓練済みディープニューラルネットワーク(DNN)に属性法を適用した。 我々は、公開データセットからデータを分類し、帰属法は、分類された各信号のサンプルに「関連スコア」を割り当てる。
  論文  参考訳（メタデータ） (2022-11-03T12:07:00Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• 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)
• Random Forest classifier for EEG-based seizure prediction [0.12183405753834559]
  本稿では,機械学習を用いたてんかん発作予測手法を提案する。 発作予測地平線(SPH)を5分,発作発生期間(SOP)を30分とするベンチマーク頭皮脳波CHB-MITデータセットの20例について検討した。 提案手法は感度82.07 %,低偽陽性率0.0799/hを実現している。
  論文  参考訳（メタデータ） (2021-06-02T15:46:35Z)
• Deep Clustering Activation Maps for Emphysema Subtyping [9.313053265087262]
  本稿では,CTスキャンから気腫のサブタイプを抽出するためのセグメンテーションネットワークから高密度な特徴を生かしたディープラーニングクラスタリング手法を提案する。 高密度特徴を用いた高密度クラスタリングアクティベーションマップ(dCAM)によるクラスタ割り当てに対応する画像領域の高分解能可視化 COPDGenestudyによる500名の被験者のクラスタリング結果について検討し,画像CTによる肺気腫サブタイプを手動でアノテートした。
  論文  参考訳（メタデータ） (2021-06-01T11:24:48Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)

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。