論文の概要: Automated Measurement of Vascular Calcification in Femoral
Endarterectomy Patients Using Deep Learning
- arxiv url: http://arxiv.org/abs/2311.16001v1
- Date: Mon, 27 Nov 2023 16:47:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 14:17:57.947843
- Title: Automated Measurement of Vascular Calcification in Femoral
Endarterectomy Patients Using Deep Learning
- Title(参考訳): 深層学習による大腿骨内膜切除術患者の血管石灰化自動測定
- Authors: Alireza Bagheri Rajeoni, Breanna Pederson, Daniel G. Clair, Susan M.
Lessner, Homayoun Valafar
- Abstract要約: 大きな動脈に影響を及ぼす慢性炎症性疾患である動脈硬化症は、世界的な健康リスクをもたらす。
深層学習モデルを用いて血管系をCT画像(CTA)に分類した。
大動脈から膝蓋骨への分節動脈におけるDiceの精度は平均83.4%,最先端は0.8%向上した。
- 参考スコア(独自算出の注目度): 0.09999629695552192
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Atherosclerosis, a chronic inflammatory disease affecting the large arteries,
presents a global health risk. Accurate analysis of diagnostic images, like
computed tomographic angiograms (CTAs), is essential for staging and monitoring
the progression of atherosclerosis-related conditions, including peripheral
arterial disease (PAD). However, manual analysis of CTA images is
time-consuming and tedious. To address this limitation, we employed a deep
learning model to segment the vascular system in CTA images of PAD patients
undergoing femoral endarterectomy surgery and to measure vascular calcification
from the left renal artery to the patella. Utilizing proprietary CTA images of
27 patients undergoing femoral endarterectomy surgery provided by Prisma Health
Midlands, we developed a Deep Neural Network (DNN) model to first segment the
arterial system, starting from the descending aorta to the patella, and second,
to provide a metric of arterial calcification. Our designed DNN achieved 83.4%
average Dice accuracy in segmenting arteries from aorta to patella, advancing
the state-of-the-art by 0.8%. Furthermore, our work is the first to present a
robust statistical analysis of automated calcification measurement in the lower
extremities using deep learning, attaining a Mean Absolute Percentage Error
(MAPE) of 9.5% and a correlation coefficient of 0.978 between automated and
manual calcification scores. These findings underscore the potential of deep
learning techniques as a rapid and accurate tool for medical professionals to
assess calcification in the abdominal aorta and its branches above the patella.
The developed DNN model and related documentation in this project are available
at GitHub page at https://github.com/pip-alireza/DeepCalcScoring.
- Abstract(参考訳): 大きな動脈に影響を及ぼす慢性炎症性疾患である動脈硬化症は、世界的な健康リスクをもたらす。
末梢動脈疾患(PAD)を含む動脈硬化関連疾患の進行のステージングとモニタリングには,CTA(Computed Tomographic Angiograms)などの診断画像の正確な解析が不可欠である。
しかし、CTA画像の手動解析は時間がかかり、面倒である。
この制限に対処するために,大腿動脈切除手術中のパッド患者のcta画像の血管系を分割し,左腎動脈から膝蓋骨への血管石灰化を計測するために,深層学習モデルを用いた。
プリズマ・ヘルス・ミッドランズ(Prisma Health Midlands)による大腿動脈内膜切除術を施行した27例のプロプライエタリなCTA画像を用いて,下行大動脈から膝蓋骨まで,および動脈石灰化の指標を提供するディープニューラルネットワーク(Deep Neural Network, DNN)モデルを開発した。
我々の設計したDNNは大動脈から膝蓋骨への動脈分割において平均Dice精度83.4%を達成し,最先端を0.8%向上させた。
さらに,本研究は,9.5%の平均絶対パーセンテージ誤差(MAPE)と,自動石灰化スコアと手動石灰化スコアの相関係数0.978を,ディープラーニングを用いた下肢における石灰化自動測定の頑健な統計的解析を行った最初のものである。
これらの知見は,深層学習技術が,腹部大動脈および膝蓋下枝の石灰化を迅速かつ正確に評価するためのツールとしての可能性を示している。
このプロジェクトで開発されたDNNモデルと関連するドキュメントはGitHubのhttps://github.com/pip-alireza/DeepCalcScoring.comにある。
関連論文リスト
- TransONet: Automatic Segmentation of Vasculature in Computed Tomographic
Angiograms Using Deep Learning [0.08376229126363229]
末梢動脈疾患(PAD)手術中の患者の画像に血管系を区分する深層学習モデルを提案する。
本研究は,(1)下行胸部大動脈から腸骨分岐部,(2)下行胸部大動脈からCTA画像の膝までを深層学習技術を用いて正確に分類することに焦点を当てた。
論文 参考訳(メタデータ) (2023-11-17T04:59:08Z) - 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) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳(メタデータ) (2022-05-16T10:59:55Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳(メタデータ) (2022-05-05T10:31:57Z) - 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) - AI-based Aortic Vessel Tree Segmentation for Cardiovascular Diseases
Treatment: Status Quo [55.04215695343928]
大動脈血管木は大動脈とその枝枝動脈からなる。
大動脈弁木の自動・半自動セグメンテーションのための計算手法を体系的に検討した。
論文 参考訳(メタデータ) (2021-08-06T08:18:28Z) - CathAI: Fully Automated Interpretation of Coronary Angiograms Using
Neural Networks [9.963333753481514]
冠動脈狭窄を推定する完全自動血管造影法が深部神経回路アルゴリズムを用いて初めて可能であることを示す。
私たちが開発したアルゴリズムパイプライン、すなわちCathAIは、選択されていない現実世界のアンジオグラムの自動解釈を実現するために必要な一連のタスクにまたがって、最先端のパフォーマンスを達成します。
論文 参考訳(メタデータ) (2021-06-14T18:58:09Z) - Automated Detection of Coronary Artery Stenosis in X-ray Angiography
using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する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。
左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文 参考訳(メタデータ) (2021-03-04T11:45:54Z) - Automated Deep Learning Analysis of Angiography Video Sequences for
Coronary Artery Disease [4.233200689119682]
冠状動脈閉塞(狭窄)の評価は、現在、医師による冠動脈造影ビデオシーケンスの視覚的評価によって行われている。
深層学習に基づく自動解析パイプラインを報告し,冠動脈血管造影を迅速かつ客観的に評価する。
我々は、ResNetやU-Netといった強力なディープラーニングアプローチと、従来の画像処理と幾何解析を組み合わせた。
論文 参考訳(メタデータ) (2021-01-29T10:23:49Z) - A new approach to extracting coronary arteries and detecting stenosis in
invasive coronary angiograms [9.733630514873376]
我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。
本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。
実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
論文 参考訳(メタデータ) (2021-01-25T01:48:27Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z)
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。