論文の概要: Development of a Deep Learning Method to Identify Acute Ischemic Stroke Lesions on Brain CT

• arxiv url: http://arxiv.org/abs/2309.17320v1
• Date: Fri, 29 Sep 2023 15:28:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-02 13:02:06.594610
• Title: Development of a Deep Learning Method to Identify Acute Ischemic Stroke Lesions on Brain CT
• Title（参考訳）: 脳CTにおける急性虚血性脳卒中病変の同定のための深層学習法の開発
• Authors: Alessandro Fontanella, Wenwen Li, Grant Mair, Antreas Antoniou, Eleanor Platt, Paul Armitage, Emanuele Trucco, Joanna Wardlaw, Amos Storkey
• Abstract要約: ディープラーニング技術は、自動化されたCT脳スキャンアセスメントを提供することができるが、通常は注釈付き画像を必要とする。 我々は,第3回国際ストローク裁判(IST-3)のCT脳スキャンを用いた畳み込みニューラルネットワークを用いたDLアルゴリズムを設計した。 DL法は病変の有無と側方で72%の精度が得られた。
• 参考スコア（独自算出の注目度）: 38.06921198677509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computed Tomography (CT) is commonly used to image acute ischemic stroke (AIS) patients, but its interpretation by radiologists is time-consuming and subject to inter-observer variability. Deep learning (DL) techniques can provide automated CT brain scan assessment, but usually require annotated images. Aiming to develop a DL method for AIS using labelled but not annotated CT brain scans from patients with AIS, we designed a convolutional neural network-based DL algorithm using routinely-collected CT brain scans from the Third International Stroke Trial (IST-3), which were not acquired using strict research protocols. The DL model aimed to detect AIS lesions and classify the side of the brain affected. We explored the impact of AIS lesion features, background brain appearances, and timing on DL performance. From 5772 unique CT scans of 2347 AIS patients (median age 82), 54% had visible AIS lesions according to expert labelling. Our best-performing DL method achieved 72% accuracy for lesion presence and side. Lesions that were larger (80% accuracy) or multiple (87% accuracy for two lesions, 100% for three or more), were better detected. Follow-up scans had 76% accuracy, while baseline scans 67% accuracy. Chronic brain conditions reduced accuracy, particularly non-stroke lesions and old stroke lesions (32% and 31% error rates respectively). DL methods can be designed for AIS lesion detection on CT using the vast quantities of routinely-collected CT brain scan data. Ultimately, this should lead to more robust and widely-applicable methods.
• Abstract（参考訳）: CT(CT)は急性虚血性脳梗塞(AIS)患者を画像化するのに一般的に用いられるが、放射線医による解釈は時間がかかり、サーバ間変動が生じる。 ディープラーニング(DL)技術は、CT脳スキャンの自動評価を提供するが、通常は注釈付き画像を必要とする。 AIS患者からのラベル付きCT脳スキャンを用いたAIS用DL法の開発を目的として,厳密な研究プロトコルを用いて取得されていない第3回国際ストローク裁判(IST-3)のCT脳スキャンを用いた畳み込みニューラルネットワークを用いたDLアルゴリズムを設計した。 DLモデルは、AISの病変を検出し、脳の側面を分類することを目的としている。 AIS病変の特徴, 背景脳出現, タイミングがDL性能に及ぼす影響について検討した。 2347人のais患者(82歳中)のユニークなctスキャン5772例から、専門家のラベル付けにより54%のais病変が見られた。 DL法は病変の有無と側方で72%の精度が得られた。 より大きい病変(80%の精度)と複数病変(87%の精度、3以上100%の精度)が検出された。 フォローアップスキャンの精度は76%,ベースラインスキャンの精度は67%であった。 慢性脳疾患は、特に非ストローク病変と古い脳卒中病変(32%と31%)の精度を低下させた。 DL法は、大量の定期的なCT脳スキャンデータを用いて、CT上のAIS病変検出のために設計することができる。 最終的には、より堅牢で広く適用可能な方法につながるでしょう。

関連論文リスト

• Weakly-Supervised Detection of Bone Lesions in CT [48.34559062736031]
  骨格領域は乳腺と前立腺に転移性癌が拡がる一般的な部位の1つである。 代用セグメンテーションタスクによりCTボリュームの骨病変を検出するパイプラインを開発した。 不完全および部分的トレーニングデータを用いたにもかかわらず,CTでは96.7%,47.3%の精度で骨病変が検出された。
  論文  参考訳（メタデータ） (2024-01-31T21:05:34Z)
• Enhancing mTBI Diagnosis with Residual Triplet Convolutional Neural Network Using 3D CT [1.0621519762024807]
  3D Computed Tomography (CT) 画像を用いた mTBI 診断の革新的手法を提案する。 我々は,mTBI症例と健常症例を識別するために,Residual Triplet Convolutional Neural Network (RTCNN)モデルを提案する。 我々のRTCNNモデルはmTBI診断において有望な性能を示し、平均精度は94.3%、感度は94.1%、特異性は95.2%である。
  論文  参考訳（メタデータ） (2023-11-23T20:41:46Z)
• Liver Tumor Screening and Diagnosis in CT with Pixel-Lesion-Patient Network [37.931408083443074]
  Pixel-Lesion-pAtient Network (PLAN) は, アンカークエリの改善と前景のサンプリング損失による各病変の分割と分類を行う。 PLANは95%と96%の患者レベルの感度と特異性を達成している。 造影CTでは, 病変レベルの検出精度, リコール, 分類精度は92%, 89%, 86%であり, CNNやトランスフォーマーよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-17T06:21:45Z)
• Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography [48.7576911714538]
  我々は3次元広視野CTスキャンで視神経頭部(ONH)と黄斑構造を自動的に分割する深層学習アルゴリズムを開発した。 分類アルゴリズムにより,ONHおよび黄斑組織を0.94$pm$0.003のDCで分画することができた。 これにより3次元広視野CTスキャンが主流となる可能性がある。
  論文  参考訳（メタデータ） (2022-10-13T01:51:29Z)
• 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate Between Papilledema and Optic Disc Drusen [44.754910718620295]
  我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。 1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。 われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
  論文  参考訳（メタデータ） (2021-12-18T17:05:53Z)
• Effect of Input Size on the Classification of Lung Nodules Using Convolutional Neural Networks [0.12891210250935145]
  低用量CTによる肺がん検診は,従来の胸部X線撮影と比較して肺がん死亡率を20%低下させる。 コンピュータ支援検出システム(CAD)は,CTスキャンのスライス数を最大600にし,高速かつ高精度なデータ評価に極めて重要である。 本研究では, 畳み込みニューラルネットワーク(CNN)を用いてCT肺検診を解析し, 偽陽性を減少させる枠組みを提案する。
  論文  参考訳（メタデータ） (2021-07-11T16:52:30Z)
• Deep Lesion Tracker: Monitoring Lesions in 4D Longitudinal Imaging Studies [19.890200389017213]
  深部病変追跡器(DLT)は、外観と解剖学的信号の両方を使用するディープラーニングアプローチです。 我々は,公開deeplesionデータベースから3891個の病巣対からなる最初の病巣追跡ベンチマークをリリースする。 dltは100の縦断研究の外部臨床検査セットをよく一般化し、88%の精度を達成する。
  論文  参考訳（メタデータ） (2020-12-09T05:23:46Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Deep Sequential Learning for Cervical Spine Fracture Detection on Computed Tomography Imaging [20.051649556262216]
  CT 軸方向画像における頚椎骨折の自動検出のための双方向長期記憶(BLSTM)層を用いた深部畳み込みニューラルネットワーク(DCNN)を提案する。 我々は,3,666個のCTスキャン(陽性729例,陰性2,937例)の注釈付きデータセットを用いて,モデルをトレーニングし,検証した。 検証結果から, 正の104例と負の104例と負の104例と負の104例と負の419例とで, 70.92%, 79.18%の分類精度を示した。
  論文  参考訳（メタデータ） (2020-10-26T04:36:29Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)

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。