論文の概要: Neural network-based coronary dominance classification of RCA angiograms
- arxiv url: http://arxiv.org/abs/2309.06958v1
- Date: Wed, 13 Sep 2023 13:47:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-14 14:12:12.001673
- Title: Neural network-based coronary dominance classification of RCA angiograms
- Title（参考訳）: RCA血管造影のニューラルネットワークによる冠優位分類
- Authors: Ivan Kruzhilov, Egor Ikryannikov, Artem Shadrin, Ruslan Utegenov,
Galina Zubkova, Ivan Bessonov
- Abstract要約: 右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。
対象は828例で,その内192例が左支配症例であった。
RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
- 参考スコア（独自算出の注目度）: 0.3177496877224142
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background. Cardiac dominance classification is essential for SYNTAX score
estimation, which is a tool used to determine the complexity of coronary artery
disease and guide patient selection toward optimal revascularization strategy.
Objectives. Cardiac dominance classification algorithm based on the analysis of
right coronary artery (RCA) angiograms using neural network Method. We employed
convolutional neural network ConvNext and Swin transformer for 2D image
(frames) classification, along with a majority vote for cardio angiographic
view classification. An auxiliary network was also used to detect irrelevant
images which were then excluded from the data set. Our data set consisted of
828 angiographic studies, 192 of them being patients with left dominance.
Results. 5-fold cross validation gave the following dominance classification
metrics (p=95%): macro recall=93.1%, accuracy=93.5%, macro F1=89.2%. The most
common case in which the model regularly failed was RCA occlusion, as it
requires utilization of LCA information. Another cause for false prediction is
a small diameter combined with poor quality cardio angiographic view. In such
cases, cardiac dominance classification can be complex and may require
discussion among specialists to reach an accurate conclusion. Conclusion. The
use of machine learning approaches to classify cardiac dominance based on RCA
alone has been shown to be successful with satisfactory accuracy. However, for
higher accuracy, it is necessary to utilize LCA information in the case of an
occluded RCA and detect cases where there is high uncertainty.
- Abstract（参考訳）: 背景。
冠状動脈疾患の複雑度を判定し,患者の選択を最適な再血管化戦略へ導くツールであるSynTAXスコア推定には,心臓優位性分類が不可欠である。
目的。
ニューラルネットワークを用いた右冠動脈造影法(RCA)を用いた心臓優位分類アルゴリズム
2次元画像(フレーム)分類に畳み込みニューラルネットワークconvnextとswin transformerを用い,心血管造影図の分類に多数票を投じた。
補助ネットワークは、データセットから除外された無関係な画像を検出するためにも使われた。
対象は血管造影検査828例で,そのうち192例が左半身の症例であった。
結果だ
5倍クロス検証では、支配的分類指標(p=95%):マクロリコール=93.1%、精度=93.5%、マクロf1=89.2%。
モデルが定期的に失敗する最も一般的なケースは、LCA情報の利用を必要とするため、RCA閉塞であった。
誤診のもう一つの原因は、細径と品質の悪い心血管造影所見の併用である。
このような場合、心臓支配分類は複雑であり、正確な結論に達するには専門家の間で議論が必要である。
結論だ
RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功している。
しかし、より高精度には、閉鎖されたRCAの場合のLCA情報を利用し、不確実性が高い場合を検出する必要がある。
関連論文リスト
- KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳（メタデータ） (2024-10-28T16:00:42Z) - An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
機械学習を用いた心疾患予測システムを構築した。
心臓疾患のある人と正常な人とを簡単に区別することができる。
論文 参考訳（メタデータ） (2023-04-12T17:53:59Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - CNN-based fully automatic wrist cartilage volume quantification in MR
Image [55.41644538483948]
追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。
非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
論文 参考訳（メタデータ） (2022-06-22T14:19:06Z) - 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) - Encoder-Decoder Architectures for Clinically Relevant Coronary Artery
Segmentation [0.0]
冠動脈疾患の診断と治療には,冠動脈X線アンギオグラフィが重要である。
従来のアプローチでは、最適でないセグメンテーション基準を使用しており、あまり有用な結果が得られていない。
本稿では,新しいデコーダアーキテクチャであるEfficientUNet++を用いて,効率的かつ高性能なセグメンテーションモデルを提案する。
論文 参考訳（メタデータ） (2021-06-21T23:32:11Z) - CathAI: Fully Automated Interpretation of Coronary Angiograms Using
Neural Networks [9.963333753481514]
冠動脈狭窄を推定する完全自動血管造影法が深部神経回路アルゴリズムを用いて初めて可能であることを示す。
私たちが開発したアルゴリズムパイプライン、すなわちCathAIは、選択されていない現実世界のアンジオグラムの自動解釈を実現するために必要な一連のタスクにまたがって、最先端のパフォーマンスを達成します。
論文 参考訳（メタデータ） (2021-06-14T18:58:09Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - DcardNet: Diabetic Retinopathy Classification at Multiple Levels Based
on Structural and Angiographic Optical Coherence Tomography [1.9262162668141078]
糖尿病網膜症(DR)分類の枠組みを満たすために,畳み込みニューラルネットワーク(CNN)に基づく手法を提案する。
DR分類のために、適応レートドロップアウト(DcardNet)を備えた高密度かつ連続的に接続されたニューラルネットワークを設計する。
国際臨床糖尿病網膜症尺度に基づいて3つの分類レベルを作成した。
論文 参考訳（メタデータ） (2020-06-09T19:44:10Z) - 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) - CNN-CASS: CNN for Classification of Coronary Artery Stenosis Score in
MPR Images [0.0]
MPR画像における狭窄の重症度を同定する自動モデルを開発した。
このモデルは3つのクラスのうちの1つを予測している: 正常の'no stenosis'、検出された'non-significant' - 1-50%の狭窄、'significant' - 50%以上の狭窄。
狭窄スコア分類では, 従来の検査結果と比較して, 80%の精度で精度が向上した。
論文 参考訳（メタデータ） (2020-01-23T15:20:22Z)
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。