論文の概要: Deep learning and traditional-based CAD schemes for the pulmonary
embolism diagnosis: A survey
- arxiv url: http://arxiv.org/abs/2312.01351v1
- Date: Sun, 3 Dec 2023 11:15:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 17:45:03.460425
- Title: Deep learning and traditional-based CAD schemes for the pulmonary
embolism diagnosis: A survey
- Title（参考訳）: 肺塞栓症診断のための深層学習と伝統的cad法
- Authors: Seyed Hesamoddin Hosseini, Amir Hossein Taherinia, Mahdi Saadatmand
- Abstract要約: 本論文の目的は,肺塞栓症(PE)診断のためのディープラーニングと従来のCADシステムの性能について,レビュー,評価,比較することである。
2002年から2023年にかけて、23の論文が研究され、その制限事項を抽出した。
各論文は、感度、偽陽性(FP)、データセット数などの基準を用いて評価する自動検出システムを提案する。
- 参考スコア（独自算出の注目度）: 2.717314422130497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nowadays, pulmonary Computed Tomography Angiography (CTA) is the main tool
for detecting Pulmonary Embolism (PE). However, manual interpretation of CTA
volume requires a radiologist, which is time-consuming and error-prone due to
the specific conditions of lung tissue, large volume of data, lack of
experience, and eye fatigue. Therefore, Computer-Aided Design (CAD) systems are
used as a second opinion for the diagnosis of PE. The purpose of this article
is to review, evaluate, and compare the performance of deep learning and
traditional-based CAD system for diagnosis PE and to help physicians and
researchers in this field. In this study, all articles available in databases
such as IEEE, ScienceDirect, Wiley, Springer, Nature, and Wolters Kluwer in the
field of PE diagnosis were examined using traditional and deep learning
methods. From 2002 to 2023, 23 papers were studied to extract the articles with
the considered limitations. Each paper presents an automatic PE detection
system that we evaluate using criteria such as sensitivity, False Positives
(FP), and the number of datasets. This research work includes recent studies,
state-of-the-art research works, and a more comprehensive overview compared to
previously published review articles in this research area.
- Abstract（参考訳）: 現在,肺塞栓症(pe)の検出には肺ctアンギオグラフィ(cta)が主流である。
しかし、CTAボリュームを手動で解釈するには、肺組織の特定の状態、大量のデータ、経験の欠如、眼の疲労により、時間と誤差が生じる放射線医が必要である。
そのため、PEの診断において第2の意見としてコンピュータ支援設計(CAD)システムを用いる。
本研究の目的は,PE診断のための深層学習と従来のCADシステムの性能評価,評価,比較を行い,その分野の医師や研究者を支援することである。
本研究では,PE診断分野におけるIEEE,ScienceDirect,Wiley,Springer,Nature,Wolters Kluwerなどのデータベースで利用可能なすべての記事について,従来型およびディープラーニング手法を用いて検討した。
2002年から2023年まで23の論文が研究され、制限事項を抽出した。
各論文は,感度,偽陽性(fp),データセット数などの基準を用いて評価する自動pe検出システムを提案する。
本研究は,最近の研究,最新の研究成果,および本研究分野の先行研究論文と比較してより包括的な概観を含む。
関連論文リスト
- A Review of Deep Learning Methods for Photoplethysmography Data [10.27280499967643]
Photoplethysmographyは、ポータビリティ、ユーザフレンドリな操作、非侵襲機能に長けているため、有望なデバイスである。
近年の深層学習の進歩は、個人の健康管理に関わるタスクにPSG信号を活用することで顕著な成果を上げている。
論文 参考訳（メタデータ） (2024-01-23T14:11:29Z) - BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。
医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。
医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文 参考訳（メタデータ） (2023-06-20T20:23:46Z) - Skin Lesion Analysis: A State-of-the-Art Survey, Systematic Review, and
Future Trends [3.565012455354754]
この記事は2011年から2020年にかけて発行された最先端CAD技術の完全な文献レビューを提供する。
初心者から専門家まで、あらゆるレベルの研究者を指導し、皮膚病変分析のための自動化された堅牢なCADシステムを開発する。
論文 参考訳（メタデータ） (2022-08-25T17:31:15Z) - 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) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。
分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文 参考訳（メタデータ） (2021-05-24T13:50:45Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Deep Learning Based Computer-Aided Systems for Breast Cancer Imaging : A
Critical Review [0.0]
このレビューは、過去10年間に出版された文献(2010年1月、2020年1月)に基づいている。
分類過程における主な知見は,新しいDL-CAD法が乳癌に対する有用かつ効果的なスクリーニングツールであることである。
論文 参考訳（メタデータ） (2020-09-30T18:41:20Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。