論文の概要: A Unified Approach for Comprehensive Analysis of Various Spectral and
Tissue Doppler Echocardiography
- arxiv url: http://arxiv.org/abs/2311.08439v1
- Date: Tue, 14 Nov 2023 15:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-16 18:58:03.189612
- Title: A Unified Approach for Comprehensive Analysis of Various Spectral and
Tissue Doppler Echocardiography
- Title(参考訳): 各種分光・組織ドプラ心エコー図の総合的解析のための統一的アプローチ
- Authors: Jaeik Jeon, Jiyeon Kim, Yeonggul Jang, Yeonyee E. Yoon, Dawun Jeong,
Youngtaek Hong, Seung-Ah Lee, Hyuk-Jae Chang
- Abstract要約: 本稿では、コンボリューションニューラルネットワークを用いた新しい統合フレームワークを導入し、スペクトルおよび組織ドプラ心エコー画像の包括的解析を行った。
ネットワークは、新しいドップラー形状の埋め込みとアンチエイリアスモジュールによって、様々なドップラービューにまたがる重要な特徴を自動的に認識する。
実験結果から, ダイス類似度係数 (DSC) や結合上の交叉 (IoU) など, 性能指標における一貫したアウトパフォーマンスを示す。
- 参考スコア(独自算出の注目度): 3.7775754350457746
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Doppler echocardiography offers critical insights into cardiac function and
phases by quantifying blood flow velocities and evaluating myocardial motion.
However, previous methods for automating Doppler analysis, ranging from initial
signal processing techniques to advanced deep learning approaches, have been
constrained by their reliance on electrocardiogram (ECG) data and their
inability to process Doppler views collectively. We introduce a novel unified
framework using a convolutional neural network for comprehensive analysis of
spectral and tissue Doppler echocardiography images that combines automatic
measurements and end-diastole (ED) detection into a singular method. The
network automatically recognizes key features across various Doppler views,
with novel Doppler shape embedding and anti-aliasing modules enhancing
interpretation and ensuring consistent analysis. Empirical results indicate a
consistent outperformance in performance metrics, including dice similarity
coefficients (DSC) and intersection over union (IoU). The proposed framework
demonstrates strong agreement with clinicians in Doppler automatic measurements
and competitive performance in ED detection.
- Abstract(参考訳): ドプラ心エコー法は、血流速度を定量化し、心筋運動を評価することによって、心機能と相に関する重要な知見を提供する。
しかし、従来のドップラー解析の自動化方法は、初期信号処理技術から高度なディープラーニングアプローチまで、心電図(ECG)データへの依存と、ドップラービューを集合的に処理できないことによる制約があった。
本稿では、畳み込みニューラルネットワークを用いて、自動計測と終末拡張(ED)検出を単一の方法で組み合わせた、スペクトルおよび組織ドプラ心エコー画像の包括的解析を行う新しい統合フレームワークを提案する。
ネットワークは様々なドップラービューにまたがる重要な特徴を自動的に認識し、新しいドップラー形状の埋め込みとアンチエイリアスモジュールにより解釈の強化と一貫した解析を保証する。
実験結果から,DSC (Dice similarity coefficient) やIoU (Universal over Union) などの性能指標が一貫した性能低下を示した。
提案フレームワークは,ドップラー自動測定における臨床医との強い一致を示し,ED検出における競争性能を示す。
関連論文リスト
- Compact Neural Network Algorithm for Electrocardiogram Classification [0.0]
不整脈の自動分類のための小型心電図システムを提案する。
このシステムはMIT-BIH不整脈データベース上で97.36%の精度を達成する。
論文 参考訳(メタデータ) (2024-12-19T19:55:22Z) - Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。
心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。
本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文 参考訳(メタデータ) (2024-10-08T10:03:52Z) - Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。
一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。
提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
論文 参考訳(メタデータ) (2024-06-06T14:15:15Z) - Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。
また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
論文 参考訳(メタデータ) (2024-02-12T11:04:08Z) - Self-similarity Prior Distillation for Unsupervised Remote Physiological Measurement [39.0083078989343]
教師なしr推定のための自己相似事前蒸留(SSPD)フレームワークを提案する。
SSPDは心活動の本質的な自己相似性に重点を置いている。
最先端の教師付き手法と比較すると、同等か、さらに優れたパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-11-09T02:24:51Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳(メタデータ) (2023-05-15T18:19:29Z) - Two-stream Network for ECG Signal Classification [3.222802562733787]
本稿では,心電図に基づく心拍数型の自動分類アルゴリズムを提案する。
本稿では,2ストリームアーキテクチャを用いて,これに基づくECG認識の強化版を提案する。
MIT-BIH Arrhythmia Databaseの結果、提案アルゴリズムは99.38%の精度で実行されている。
論文 参考訳(メタデータ) (2022-10-05T08:14:51Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳(メタデータ) (2022-03-12T15:24:03Z) - Automatic Identification of the End-Diastolic and End-Systolic Cardiac
Frames from Invasive Coronary Angiography Videos [6.203906656404265]
侵襲的冠動脈造影検査において, エンド拡張期(ED)とエンド収縮期(ES)の適切な画像フレームの同定が重要である。
現在の識別法は主に視覚的解釈に依存しており、時間だけでなく再現性も低い。
そこで本研究では,鍵血管点の軌跡を用いて,EDとESの心期に関連する血管画像フレームを自動的に同定する手法を提案する。
論文 参考訳(メタデータ) (2021-10-06T15:16:55Z) - Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。
我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。
提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳(メタデータ) (2020-04-02T02:09:11Z)
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。