論文の概要: Machine Learning for Automated Mitral Regurgitation Detection from Cardiac Imaging

• arxiv url: http://arxiv.org/abs/2310.04871v1
• Date: Sat, 7 Oct 2023 16:48:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 14:57:58.609977
• Title: Machine Learning for Automated Mitral Regurgitation Detection from Cardiac Imaging
• Title（参考訳）: 心臓画像からの僧帽弁逆流自動検出のための機械学習
• Authors: Ke Xiao, Erik Learned-Miller, Evangelos Kalogerakis, James Priest, Madalina Fiterau
• Abstract要約: 僧帽弁閉鎖不全症(Mitral regurgitation, MR)は、心臓弁疾患の一種。 従来の診断法は高価で、労働集約的であり、臨床専門知識を必要とする。 CUSSPと呼ばれるMR分類のための新しい半教師付きモデルを提案する。
• 参考スコア（独自算出の注目度）: 10.770989117724923
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Mitral regurgitation (MR) is a heart valve disease with potentially fatal consequences that can only be forestalled through timely diagnosis and treatment. Traditional diagnosis methods are expensive, labor-intensive and require clinical expertise, posing a barrier to screening for MR. To overcome this impediment, we propose a new semi-supervised model for MR classification called CUSSP. CUSSP operates on cardiac imaging slices of the 4-chamber view of the heart. It uses standard computer vision techniques and contrastive models to learn from large amounts of unlabeled data, in conjunction with specialized classifiers to establish the first ever automated MR classification system. Evaluated on a test set of 179 labeled -- 154 non-MR and 25 MR -- sequences, CUSSP attains an F1 score of 0.69 and a ROC-AUC score of 0.88, setting the first benchmark result for this new task.
• Abstract（参考訳）: 僧帽弁閉鎖不全症(英語: Mitral regurgitation, MR)は、心臓弁疾患の一種で、時間的診断と治療によってのみ森林伐採が可能である。 従来の診断法は高価で, 労働集約的であり, 臨床専門知識を必要とする。この障害を克服するために, CUSSPと呼ばれるMR分類のための新しい半教師付きモデルを提案する。 cusspは、心臓の4つのシャンバービューの心臓イメージングスライスで動作する。 標準的なコンピュータビジョン技術と対照的なモデルを使用して、大量のラベルのないデータから学習し、特別な分類器と共に最初の自動化されたmr分類システムを確立する。 179のラベル付き -- 154の非mrと25のmr -- で評価され、cusspは0.69のf1スコアと0.88のroc-aucスコアを達成し、この新しいタスクの最初のベンチマーク結果を設定する。

関連論文リスト

• Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
  光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。 FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。 我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
  論文  参考訳（メタデータ） (2024-06-18T03:04:52Z)
• M(otion)-mode Based Prediction of Ejection Fraction using Echocardiograms [13.112371567924802]
  心エコー図のM(otion)モードを用いて左室流出率(EF)を推定し,心筋症を分類する。 心エコー図から複数の人工Mモード画像を生成し,既製のモデルアーキテクチャを用いて組み合わせる。 実験の結果,教師付き設定は10モードで収束し,ベースライン法に匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-09-07T15:00:58Z)
• Motion-related Artefact Classification Using Patch-based Ensemble and Transfer Learning in Cardiac MRI [5.186000805926489]
  本稿では,アンサンブルとトランスファーラーニングを用いた自動心臓MRI品質推定フレームワークを提案する。 トレーニングデータからサンプルした2次元画像パッチに,複数の事前学習モデルを初期化し,微調整した。 トレーニングセットと検証セットでそれぞれ78.8%と70.0%の分類精度を達成した。
  論文  参考訳（メタデータ） (2022-10-14T11:31:40Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Early Myocardial Infarction Detection with One-Class Classification over Multi-view Echocardiography [22.479667537086108]
  心筋梗塞 (MI) は世界の死亡率と死亡率の主要な原因である。 一級分類法は、特定の対象クラスを検出するモデルを訓練するために用いられる。 マルチモーダルアプローチでは感度は85.23%、F1スコアは80.21%に達する。
  論文  参考訳（メタデータ） (2022-04-14T22:21:30Z)
• Deep Learning methods for automatic evaluation of delayed enhancement-MRI. The results of the EMIDEC challenge [21.93792387878765]
  EMIDECの課題は, 深層学習法が正常症例と病理症例とを区別できるかどうかを評価することである。 造影剤投与後, 正常MRI50例, 心筋梗塞100例に分けて検討した。 その結果,試験の自動分類は到達可能な課題であることが示唆された。
  論文  参考訳（メタデータ） (2021-08-09T13:15:25Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Ensemble machine learning approach for screening of coronary heart disease based on echocardiography and risk factors [19.076443235356873]
  我々は,モデル積み重ねにより,多くの一般的な分類手法を統合する機械学習アプローチを開発した。 CHD分類の精度は,テストセットで約70%から87.7%に向上した。
  論文  参考訳（メタデータ） (2021-05-20T11:04:58Z)
• Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images [41.73507451077361]
  本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。 コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。 以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
  論文  参考訳（メタデータ） (2020-06-16T10:14:58Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。