論文の概要: Deep Learning in Computed Tomography Pulmonary Angiography Imaging: A
Dual-Pronged Approach for Pulmonary Embolism Detection
- arxiv url: http://arxiv.org/abs/2311.05197v1
- Date: Thu, 9 Nov 2023 08:23:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 15:55:22.093675
- Title: Deep Learning in Computed Tomography Pulmonary Angiography Imaging: A
Dual-Pronged Approach for Pulmonary Embolism Detection
- Title（参考訳）: ct肺血管造影画像における深部学習 : 肺塞栓症検出のためのデュアルプロングアプローチ
- Authors: Fabiha Bushra, Muhammad E. H. Chowdhury, Rusab Sarmun, Saidul Kabir,
Menatalla Said, Sohaib Bassam Zoghoul, Adam Mushtak, Israa Al-Hashimi,
Abdulrahman Alqahtani, Anwarul Hasan
- Abstract要約: 肺塞栓症 (PE) は肺動脈閉塞を特徴とする重篤な疾患である。
本研究の目的は,深層学習技術を活用し,PEのコンピュータ支援診断を強化することである。
本稿では,大域および局所的な病変領域に対処する意識ガイド型畳み込みニューラルネットワーク(AG-CNN)を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pulmonary Embolism (PE) is a critical medical condition characterized by
obstructions in the pulmonary arteries. Despite being a major health concern,
it often goes underdiagnosed leading to detrimental clinical outcomes. The
increasing reliance on Computed Tomography Pulmonary Angiography for diagnosis
presents challenges and a pressing need for enhanced diagnostic solutions. The
primary objective of this study is to leverage deep learning techniques to
enhance the Computer Assisted Diagnosis of PE. This study presents a
comprehensive dual-pronged approach combining classification and detection for
PE diagnosis. We introduce an Attention-Guided Convolutional Neural Network
(AG-CNN) for classification, addressing both global and local lesion region.
For detection, state-of-the-art models are employed to pinpoint potential PE
regions. Different ensembling techniques further improve detection accuracy by
combining predictions from different models. Finally, a heuristic strategy
integrates classifier outputs with detection results, ensuring robust and
accurate PE identification. Our attention-guided classification approach,
tested on the Ferdowsi University of Mashhad's Pulmonary Embolism (FUMPE)
dataset, outperformed the baseline model DenseNet-121 by achieving an 8.1%
increase in the Area Under the Receiver Operating Characteristic. By employing
ensemble techniques with detection models, the mean average precision (mAP) was
considerably enhanced by a 4.7% increase. The classifier-guided framework
further refined the mAP and F1 scores over the ensemble models. Our research
offers a comprehensive approach to PE diagnostics using deep learning,
addressing the prevalent issues of underdiagnosis and misdiagnosis. We aim to
improve PE patient care by integrating AI solutions into clinical workflows,
highlighting the potential of human-AI collaboration in medical diagnostics.
- Abstract（参考訳）: 肺塞栓症 (PE) は肺動脈閉塞を特徴とする重篤な疾患である。
主要な健康上の懸念にもかかわらず、しばしばうつ病の臨床的結果につながる。
診断のためのct肺血管造影法への依存が高まり,診断ソリューションの強化が求められている。
本研究の目的は,深層学習技術を活用し,PEのコンピュータ支援診断を強化することである。
本研究はPE診断の分類と検出を併用した包括的2段階的アプローチを提案する。
本稿では,大域および局所の病変領域に対処する意識誘導畳み込みニューラルネットワーク(AG-CNN)を提案する。
検出には、潜在的PE領域をピンポイントするために最先端モデルを用いる。
異なるアンサンブル技術は、異なるモデルからの予測を組み合わせることにより、検出精度をさらに向上する。
最後に、ヒューリスティック戦略は、分類器出力と検出結果を統合し、堅牢で正確なPE識別を保証する。
FUMPE(Ferdowsi University of Mashhad's lung Embolism)データセットを用いた注意誘導型分類法は,受信者操作特性下での面積の8.1%増加を達成し,ベースラインモデルであるDenseNet-121を上回った。
検出モデルを用いたアンサンブル技術を用いることで、平均平均精度(mAP)は4.7%向上した。
分類器誘導フレームワークは、さらにmAPとF1のスコアをアンサンブルモデルよりも洗練させた。
本研究は, 深層学習を用いたPE診断への包括的アプローチを提供し, 診断下診断と誤診の問題に対処する。
我々は、臨床ワークフローにAIソリューションを統合することにより、PE患者のケアを改善することを目指しており、医療診断における人間とAIの連携の可能性を強調している。
関連論文リスト
- Integrating Deep Feature Extraction and Hybrid ResNet-DenseNet Model for Multi-Class Abnormality Detection in Endoscopic Images [0.9374652839580183]
本研究の目的は、血管拡張症、出血、潰瘍を含む10種類のGI異常分類の同定を自動化することである。
提案したモデルは、よく構造化されたデータセットで全体の94%の精度を達成する。
論文 参考訳（メタデータ） (2024-10-24T06:10:31Z) - Efficient Quality Control of Whole Slide Pathology Images with Human-in-the-loop Training [3.2646075700744928]
Histo whole slide image (WSI) は、特に精度オンコロジーにおいて、ディープラーニングに基づく診断ソリューションの開発に広く利用されている。
これらの診断ソフトウェアのほとんどは、トレーニングやテストデータにおけるバイアスや不純物に弱いため、不正確な診断につながる可能性がある。
我々は、WSIを6つの組織領域に分離する、頑健だが軽量なディープラーニングベースの分類器であるHistoROIを紹介した。
論文 参考訳（メタデータ） (2024-09-29T07:08:45Z) - Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection
in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。
我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。
Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文 参考訳（メタデータ） (2023-11-10T11:49:49Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - Deep Learning-Based Automatic Diagnosis System for Developmental
Dysplasia of the Hip [5.673030999857323]
本研究では,14個のキーポイントを自動的に検出する深層学習システムを提案する。
3つの解剖学的角度(中央辺角、T"オンニス角、シャープ角)を測り、DDHヒップをクロー基準に基づいてグレードI-IVに分類する。
論文 参考訳（メタデータ） (2022-09-07T19:50:30Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - 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) - Pulmonary embolism identification in computerized tomography pulmonary
angiography scans with deep learning technologies in COVID-19 patients [0.65756807269289]
本稿では,A-Scans画像における肺塞栓症同定のための最も正確かつ高速な深層学習モデルについて紹介する。
本研究では,肺塞栓症の診断精度を向上させるために,分類モデルと対象検出モデルを組み合わせた高速トラックソリューション(システム)を提案する。
論文 参考訳（メタデータ） (2021-05-24T10:23:21Z) - Encoding Clinical Priori in 3D Convolutional Neural Networks for
Prostate Cancer Detection in bpMRI [1.0312968200748118]
臨床的に有意な前立腺癌(csPCa)の空間的有病率と部位的鑑別を捉える確率的集団を導入した。
U-Net, U-SEResNet, UNet++, Attention U-Netの3次元適応を800の機関的トレーニングバリデーションスキャンを用いて訓練し, 放射線学的に推定されたアノテーションと組み合わせて計算を行った。
病理組織学的に確認されたcsPCaによる200個のbpMRI検査において,臨床先行診断を符号化する方法は,患者による診断を改善する強力な能力を示す。
論文 参考訳（メタデータ） (2020-10-31T13:10:58Z) - 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。