論文の概要: Automated Assessment of Critical View of Safety in Laparoscopic Cholecystectomy

• arxiv url: http://arxiv.org/abs/2309.07330v1
• Date: Wed, 13 Sep 2023 22:01:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-15 16:48:44.088030
• Title: Automated Assessment of Critical View of Safety in Laparoscopic Cholecystectomy
• Title（参考訳）: 腹腔鏡下胆嚢摘出術における安全性評価
• Authors: Yunfan Li, Himanshu Gupta, Haibin Ling, IV Ramakrishnan, Prateek Prasanna, Georgios Georgakis, Aaron Sasson
• Abstract要約: 胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。 LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。 本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 51.240181118593114
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cholecystectomy (gallbladder removal) is one of the most common procedures in the US, with more than 1.2M procedures annually. Compared with classical open cholecystectomy, laparoscopic cholecystectomy (LC) is associated with significantly shorter recovery period, and hence is the preferred method. However, LC is also associated with an increase in bile duct injuries (BDIs), resulting in significant morbidity and mortality. The primary cause of BDIs from LCs is misidentification of the cystic duct with the bile duct. Critical view of safety (CVS) is the most effective of safety protocols, which is said to be achieved during the surgery if certain criteria are met. However, due to suboptimal understanding and implementation of CVS, the BDI rates have remained stable over the last three decades. In this paper, we develop deep-learning techniques to automate the assessment of CVS in LCs. An innovative aspect of our research is on developing specialized learning techniques by incorporating domain knowledge to compensate for the limited training data available in practice. In particular, our CVS assessment process involves a fusion of two segmentation maps followed by an estimation of a certain region of interest based on anatomical structures close to the gallbladder, and then finally determination of each of the three CVS criteria via rule-based assessment of structural information. We achieved a gain of over 11.8% in mIoU on relevant classes with our two-stream semantic segmentation approach when compared to a single-model baseline, and 1.84% in mIoU with our proposed Sobel loss function when compared to a Transformer-based baseline model. For CVS criteria, we achieved up to 16% improvement and, for the overall CVS assessment, we achieved 5% improvement in balanced accuracy compared to DeepCVS under the same experiment settings.
• Abstract（参考訳）: 胆嚢摘出術(胆嚢摘出術)は米国で最も一般的であり、年間1.2m以上の手術が行われている。 腹腔鏡下胆嚢摘出術 (LC) は, 従来の開胆嚢摘出術と比較して, 回復期間が著しく短く, 好適な方法である。 しかし、LCは胆管損傷(BDI)の増加とも関連しており、致死率と死亡率に大きな影響を及ぼす。 LCからのBDIの主な原因は胆嚢管と胆管の誤同定である。 CVS(Critical View of Safety)は、特定の基準を満たす場合、手術中に達成されるとされる安全プロトコルの最も効果的な方法である。 しかしながら、cvsのサブ最適理解と実装のため、bdi率は過去30年間にわたって安定している。 本稿では,LCにおけるCVSの評価を自動化するディープラーニング技術を開発した。 本研究のイノベーティブな側面は、実際に利用可能な限られたトレーニングデータに対応するために、ドメイン知識を取り入れて専門的な学習技術を開発することである。 特に, cvs評価プロセスでは2つのセグメンテーションマップを融合し, 胆嚢近傍の解剖学的構造に基づく関心領域の推定を行い, 最終的に3つのcvs基準を規則に基づく構造情報の評価により決定する。 単一モデルベースラインと比較した場合の2ストリームセマンティックセグメンテーション手法では,mIoUが11.8%,トランスフォーマーベースベースラインモデルでは1.84%,Sobel損失関数では1.84%,関連クラスではmIoUが11.8%以上向上した。 CVSの基準では、最大16%の改善を達成し、CVS全体の評価では、同じ実験環境下でのDeepCVSと比較して、バランスの取れた精度が5%向上した。

関連論文リスト

• Two-Phase Segmentation Approach for Accurate Left Ventricle Segmentation in Cardiac MRI using Machine Learning [0.8521378010565595]
  この研究の中心的な課題は、3種類のLVスライスに適用されるパラメータのセットが存在しないことである。 この問題に対処するために,LVセグメンテーションを強化する新しい手法を提案する。 提案手法はスライスの種類ごとに異なるパラメータの集合を用いており、結果として2相分割法が成立する。
  論文  参考訳（メタデータ） (2024-07-29T19:26:24Z)
• Continuous max-flow augmentation of self-supervised few-shot learning on SPECT left ventricles [0.0]
  本研究の目的は, 診断センターとクリニックが, 小型・低品質のSPECTラベルに基づいて自動的に心筋のセグメンテーションを行うためのレシピを提供することである。 SPECT装置の様々な領域における3次元U-Net自己教師学習(SSL)アプローチを強化するために,CMF(Continuous Max-Flow)と事前形状情報の組み合わせを開発した。
  論文  参考訳（メタデータ） (2024-05-09T03:19:19Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Nested-block self-attention for robust radiotherapy planning segmentation [3.2541650155921142]
  深層畳み込みネットワークは、頭頸部(HN)臓器のリスクセグメンテーション(OAR)において広く研究されている。 定期的な臨床治療計画のためのそれらの使用は、イメージングアーティファクトへの堅牢性の欠如、CT上の低い軟組織コントラスト、および異常な解剖の存在によって制限される。 我々は,任意の畳み込みネットワークと組み合わせることができる計算効率の良いネストブロック自己アテンション法(NBSA)を開発した。
  論文  参考訳（メタデータ） (2021-02-26T15:28:47Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)
• Artificial Intelligence to Assist in Exclusion of Coronary Atherosclerosis during CCTA Evaluation of Chest-Pain in the Emergency Department: Preparing an Application for Real-World Use [6.9835031964130545]
  冠状動脈硬化の欠如に対するCCTAスクリーニングにおける医師の解釈を支援するAIアルゴリズムとワークフローの開発について述べる。 このアルゴリズムは AUC-ROC = 0.96 で強い性能を示した。 このAIアプリケーションはCCTAの解釈を補助し、胸部ペーストによる動脈硬化を促進できる可能性がある。
  論文  参考訳（メタデータ） (2020-08-10T16:07:04Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• LU-Net: a multi-task network to improve the robustness of segmentation of left ventriclular structures by deep learning in 2D echocardiography [6.633387219468496]
  本稿では,心臓のセグメンテーションの全体的な精度を向上させるために,エンドツーエンドのマルチタスクネットワークを提案する。 大規模なオープンアクセスデータセットから得られた結果から,本手法が現在最高のディープラーニングソリューションより優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-04T23:07:53Z)

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。