論文の概要: A manometric feature descriptor with linear-SVM to distinguish
esophageal contraction vigor
- arxiv url: http://arxiv.org/abs/2311.15609v1
- Date: Mon, 27 Nov 2023 08:06:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 16:40:31.602985
- Title: A manometric feature descriptor with linear-SVM to distinguish
esophageal contraction vigor
- Title(参考訳): 食道収縮ビゴーを識別する線形SVMを用いたマンメトリック特徴記述器
- Authors: Jialin Liu, Lu Yan, Xiaowei Liu, Yuzhuo Dai, Fanggen Lu, Yuanting Ma,
Muzhou Hou, Zheng Wang
- Abstract要約: 高分解能なマントメトリーの結果が得られた後も、医師は様々なパラメーターで評価する必要がある。
食道ダイナミック機能の評価を支援するため, 食道収縮速度を予測するため, HRMの画像処理を行った。
我々の精度は86.83%に達し、これは他の一般的な機械学習手法よりも高い。
- 参考スコア(独自算出の注目度): 8.39812027404057
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: n clinical, if a patient presents with nonmechanical obstructive dysphagia,
esophageal chest pain, and gastro esophageal reflux symptoms, the physician
will usually assess the esophageal dynamic function. High-resolution manometry
(HRM) is a clinically commonly used technique for detection of esophageal
dynamic function comprehensively and objectively. However, after the results of
HRM are obtained, doctors still need to evaluate by a variety of parameters.
This work is burdensome, and the process is complex. We conducted image
processing of HRM to predict the esophageal contraction vigor for assisting the
evaluation of esophageal dynamic function. Firstly, we used Feature-Extraction
and Histogram of Gradients (FE-HOG) to analyses feature of proposal of swallow
(PoS) to further extract higher-order features. Then we determine the
classification of esophageal contraction vigor normal, weak and failed by using
linear-SVM according to these features. Our data set includes 3000 training
sets, 500 validation sets and 411 test sets. After verification our accuracy
reaches 86.83%, which is higher than other common machine learning methods.
- Abstract(参考訳): 臨床的には,非機械的閉塞性食欲不振,食道部痛,胃食道逆流症状を呈する症例では,通常,食道の動態を診察する。
高分解能マントメトリー(HRM)は、食道ダイナミック機能の検出を包括的かつ客観的に検出するための臨床的に一般的に用いられる技法である。
しかし、HRMの結果が得られた後も、医師はさまざまなパラメータで評価する必要がある。
この作業は面倒で、プロセスは複雑です。
食道ダイナミック機能の評価を支援するため, 食道収縮速度を予測するため, HRMの画像処理を行った。
まず,より高次特徴を抽出するために,粒度の特徴抽出とヒストグラム(FE-HOG)を用いて摂食提案の特徴を分析した。
これらの特徴に基づき, 食道収縮の正常度, 弱度, 失敗度を線形SVMを用いて分類する。
データセットには3000のトレーニングセット、500の検証セット、411のテストセットが含まれています。
検証後、精度は86.83%に達し、他の一般的な機械学習手法よりも高い。
関連論文リスト
- Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。
われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
論文 参考訳(メタデータ) (2024-05-02T09:41:31Z) - Respiratory Disease Classification and Biometric Analysis Using Biosignals from Digital Stethoscopes [3.2458203725405976]
本研究は, 自動呼吸器疾患分類とバイオメトリックス解析にデジタル聴診器技術を活用した新しいアプローチを提案する。
各種呼吸状態の分類に機械学習モデルを訓練する。
本研究は,2値分類の精度(健康と疾患のバランス精度89%)と多値分類の精度(72%)を実現している。
論文 参考訳(メタデータ) (2023-09-12T23:54:00Z) - Orientation-Shared Convolution Representation for CT Metal Artifact
Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。
既存のディープラーニングベースの手法は、有望な再構築性能を得た。
本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文 参考訳(メタデータ) (2022-12-26T13:56:12Z) - 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) - Classification of fetal compromise during labour: signal processing and
feature engineering of the cardiotocograph [0.0]
本研究は,臨床専門知識とシステム制御理論に基づく新しいCTG機能を開発する。
特徴は、胎児の妥協を識別する上での有効性を評価するために、機械学習モデルで評価される。
ARMAは胎児の妥協を検知する主要な特徴にランク付けされている。
論文 参考訳(メタデータ) (2021-10-31T15:02:14Z) - 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) - 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) - Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale
Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。
本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
論文 参考訳(メタデータ) (2020-06-28T19:55:34Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - Patient Specific Biomechanics Are Clinically Significant In Accurate
Computer Aided Surgical Image Guidance [3.5760618920650398]
拡張現実(Augmented Reality)は、画像ガイド手術(AR IG)において、術前の画像から手術用ランドマークをビデオオーバーレイに融合するために用いられる。
手術の進行に伴ってランドマークの正確な位置を維持するためには,物理シミュレーションが不可欠である。
肝外科では、AR IGシミュレーションの精度は、患者の疾患に対する硬さの変化をモデル化できないことによって妨げられる。
我々は磁気共鳴エラストグラフィー(MRE)データに基づく患者特有の硬さ変化を考慮に入れた新しい方法を提案する。
論文 参考訳(メタデータ) (2020-01-29T08:11:07Z)
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。