論文の概要: GCS-ICHNet: Assessment of Intracerebral Hemorrhage Prognosis using
Self-Attention with Domain Knowledge Integration
- arxiv url: http://arxiv.org/abs/2311.04772v1
- Date: Wed, 8 Nov 2023 15:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-09 15:24:46.885221
- Title: GCS-ICHNet: Assessment of Intracerebral Hemorrhage Prognosis using
Self-Attention with Domain Knowledge Integration
- Title(参考訳): gcs-ichnet : ドメイン知識統合型セルフアテンションによる脳内出血予後の評価
- Authors: Xuhao Shan, Xinyang Li, Ruiquan Ge, Shibin Wu, Ahmed Elazab, Jichao
Zhu, Lingyan Zhang, Gangyong Jia, Qingying Xiao, Xiang Wan, Changmiao Wang
- Abstract要約: 脳内出血 (ICH) は脳血管破裂による重篤な病態である。
本稿では,マルチモーダル脳CTデータとGlasgow Coma Scaleスコアを統合した新しいディープラーニングアルゴリズムGCS-ICHNetを提案する。
- 参考スコア(独自算出の注目度): 19.51978172091416
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intracerebral Hemorrhage (ICH) is a severe condition resulting from damaged
brain blood vessel ruptures, often leading to complications and fatalities.
Timely and accurate prognosis and management are essential due to its high
mortality rate. However, conventional methods heavily rely on subjective
clinician expertise, which can lead to inaccurate diagnoses and delays in
treatment. Artificial intelligence (AI) models have been explored to assist
clinicians, but many prior studies focused on model modification without
considering domain knowledge. This paper introduces a novel deep learning
algorithm, GCS-ICHNet, which integrates multimodal brain CT image data and the
Glasgow Coma Scale (GCS) score to improve ICH prognosis. The algorithm utilizes
a transformer-based fusion module for assessment. GCS-ICHNet demonstrates high
sensitivity 81.03% and specificity 91.59%, outperforming average clinicians and
other state-of-the-art methods.
- Abstract(参考訳): 脳内出血 (intracerebral hemorrhage, ich) は脳血管の損傷による重篤な疾患であり、合併症や死亡に至ることが多い。
死亡率が高いため、タイムリーで正確な予後と管理が不可欠である。
しかし、従来の方法は主観的な臨床専門知識に大きく依存しており、不正確な診断や治療の遅れにつながる可能性がある。
人工知能(AI)モデルは臨床医を支援するために研究されてきたが、多くの先行研究はドメイン知識を考慮せずにモデル修正に焦点を当てていた。
本稿では,マルチモーダル脳ct画像データとglasgow coma scale(gcs)スコアを統合し,ict予後を改善する新しいディープラーニングアルゴリズムgcs-ichnetを提案する。
このアルゴリズムは、トランスフォーマーベースの融合モジュールを用いて評価を行う。
gcs-ichnetは、感度81.03%と特異性91.59%を示し、平均的な臨床医や他の最先端の方法よりも優れている。
関連論文リスト
- Exploiting Liver CT scans in Colorectal Carcinoma genomics mutation
classification [0.0]
本稿では,患者医用画像からの分類手法として,DeepLearningを用いた最初の探索法を提案する。
本手法はCT画像からCRC RAS変異ファミリーを0.73F1スコアで同定できる。
論文 参考訳(メタデータ) (2024-01-25T14:40:58Z) - Liver Tumor Prediction with Advanced Attention Mechanisms Integrated
into a Depth-Based Variant Search Algorithm [0.0]
本稿では,畳み込みニューラルネットワーク(CNN)と深度に基づく変種探索アルゴリズムを用いた肝腫瘍の予測手法を提案する。
良性および悪性の肝腫瘍を含むCTスキャンデータセットを用いて,本モデルの評価を行った。
提案システムは、肝腫瘍の予測において95.5%の精度を達成し、他の最先端の方法よりも優れていた。
論文 参考訳(メタデータ) (2023-11-20T03:51:39Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳(メタデータ) (2022-07-20T06:49:02Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳(メタデータ) (2022-06-14T10:16:54Z) - Quality control for more reliable integration of deep learning-based
image segmentation into medical workflows [0.23609258021376836]
本稿では,その出力の確実性を推定するために,最先端自動品質制御(QC)手法の解析を行う。
磁気共鳴画像データにおける白色物質の超強度(WMH)を識別する脳画像分割タスクにおける最も有望なアプローチを検証した。
論文 参考訳(メタデータ) (2021-12-06T16:30:43Z) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳(メタデータ) (2021-09-10T13:07:11Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Computational Intelligence Approach to Improve the Classification
Accuracy of Brain Neoplasm in MRI Data [8.980876474818153]
本報告では、MRIデータにおける脳新生検出の2つの改善について述べる。
MRIデータにおける関心領域を改善するための高度な前処理技術を提案する。
特徴抽出にCNN、分類にSVM(Support Vector Machine)を使用したハイブリッド技術も提案されている。
論文 参考訳(メタデータ) (2021-01-24T06:45:26Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳(メタデータ) (2020-05-11T16:29:12Z)
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。