論文の概要: View Classification and Object Detection in Cardiac Ultrasound to Localize Valves via Deep Learning

• arxiv url: http://arxiv.org/abs/2311.00068v1
• Date: Tue, 31 Oct 2023 18:16:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-02 16:12:50.522911
• Title: View Classification and Object Detection in Cardiac Ultrasound to Localize Valves via Deep Learning
• Title（参考訳）: 深層学習による弁局所化のための心臓超音波の視野分類と物体検出
• Authors: Derya Gol Gungor, Bimba Rao, Cynthia Wolverton, Ismayil Guracar
• Abstract要約: 本稿では、ディープニューラルネットワークを用いて、分類とローカライゼーションのステップを分離する機械学習パイプラインを提案する。 パイプラインの第1ステップとして,心の解剖学的所見が10個ある心エコー図にビュー分類を適用した。 第2のステップでは、深層学習に基づく物体検出をバルブの局所化と識別の両方に応用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Echocardiography provides an important tool for clinicians to observe the function of the heart in real time, at low cost, and without harmful radiation. Automated localization and classification of heart valves enables automatic extraction of quantities associated with heart mechanical function and related blood flow measurements. We propose a machine learning pipeline that uses deep neural networks for separate classification and localization steps. As the first step in the pipeline, we apply view classification to echocardiograms with ten unique anatomic views of the heart. In the second step, we apply deep learning-based object detection to both localize and identify the valves. Image segmentation based object detection in echocardiography has been shown in many earlier studies but, to the best of our knowledge, this is the first study that predicts the bounding boxes around the valves along with classification from 2D ultrasound images with the help of deep neural networks. Our object detection experiments applied to the Apical views suggest that it is possible to localize and identify multiple valves precisely.
• Abstract（参考訳）: エコー心電図は、臨床医が心臓の機能をリアルタイムで、低コストで、有害な放射線なしで観察する重要なツールである。 心臓弁の自動局在化と分類は、心臓の機械的機能および関連する血流測定に関連する量の自動抽出を可能にする。 本稿では,ディープニューラルネットワークを用いた分類と局所化のステップを分離した機械学習パイプラインを提案する。 パイプラインの第1ステップとして,心の解剖学的所見が10個ある心エコー図にビュー分類を適用した。 第2のステップでは,深層学習に基づく物体検出を用いて弁の局所化と同定を行う。 心エコー図における画像分割に基づく物体検出は、多くの初期の研究で示されているが、我々の知る限りでは、深層ニューラルネットワークの助けを借りて、弁周辺の境界ボックスと2次元超音波画像からの分類を予測する最初の研究である。 Apical Viewに応用した物体検出実験により,複数のバルブの局所化と同定が正確に可能であることが示唆された。

関連論文リスト

• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Light-weight spatio-temporal graphs for segmentation and ejection fraction prediction in cardiac ultrasound [5.597394612661975]
  本研究では,左心室分画予測と左心室分画のためのEchoGraphsという自動手法を提案する。 キーポイントの検出には、GCN(Graph Conal Networks)に基づく直接座標回帰モデルを用いる。 セマンティックセグメンテーションと比較すると、GCNは正確なセグメンテーションと堅牢性と推論ランタイムの改善を示している。
  論文  参考訳（メタデータ） (2022-07-06T10:03:44Z)
• 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)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• 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)
• ECG-Based Heart Arrhythmia Diagnosis Through Attentional Convolutional Neural Networks [9.410102957429705]
  本稿では,意図に基づく畳み込みニューラルネットワーク(ABCNN)を用いて生の心電図信号に対処し,正確な不整脈検出のための情報的依存関係を自動的に抽出する手法を提案する。 我々の主な課題は、正常な心拍から不整脈を見つけ、その間に5種類の不整脈から心疾患を正確に認識することである。 実験の結果,提案するABCNNは広く使用されているベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-18T14:55:46Z)
• A Visual Domain Transfer Learning Approach for Heartbeat Sound Classification [0.0]
  心臓病は人間の死亡の最も一般的な理由であり、世界中で約3分の1が死亡している。 疾患の早期発見は患者の生存率を高め、心臓病の徴候を早期に検出する方法がいくつかある。 本研究は、クリーン化および正規化された心音を視覚メルスケールスペクトログラムに変換し、視覚領域変換学習手法を用いて、心音の特徴を自動的に抽出し分類することを提案する。
  論文  参考訳（メタデータ） (2021-07-28T09:41:38Z)
• Reciprocal Landmark Detection and Tracking with Extremely Few Annotations [10.115679843920958]
  本稿では,心エコーラベルのスパース特性を扱うために,新しいエンドツーエンドの相互検出・追跡モデルを提案する。 このモデルは、心臓のシネシーケンス全体にわたって注釈付きフレームをほとんど使わずにトレーニングされ、ランドマークの一貫した検出と追跡が生成される。
  論文  参考訳（メタデータ） (2021-01-27T06:59:41Z)
• Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
  本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。 第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。 第2段階は、心拍を幅または幅に分類する分類NNである。 第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
  論文  参考訳（メタデータ） (2020-11-17T16:15:49Z)
• Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
  心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。 これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
  論文  参考訳（メタデータ） (2020-08-13T12:53:26Z)
• A Robust Interpretable Deep Learning Classifier for Heart Anomaly Detection Without Segmentation [37.70077538403524]
  心音分類の先行段階として, 心音分節の重要性を論じる。 次に,心臓の異常音検出のための頑健な分類器を提案する。 我々の新しい分類器はまた、広く使われているPhyloNetデータセットでほぼ100%の精度で、堅牢で安定しており、最も重要な説明が可能であることも示されています。
  論文  参考訳（メタデータ） (2020-05-21T06:36:28Z)

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。