論文の概要: COPD-FlowNet: Elevating Non-invasive COPD Diagnosis with CFD Simulations
- arxiv url: http://arxiv.org/abs/2312.11561v1
- Date: Sun, 17 Dec 2023 15:09:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 18:34:09.811961
- Title: COPD-FlowNet: Elevating Non-invasive COPD Diagnosis with CFD Simulations
- Title(参考訳): COPD-FlowNet: CFD シミュレーションによる非侵襲型 COPD 診断の高次化
- Authors: Aryan Tyagi, Aryaman Rao, Shubhanshu Rao, Raj Kumar Singh
- Abstract要約: COPDFlowNetは, COPD患者の気管に特異的なCFD速度場画像を生成する。
COPDFlowNetは独自の畳み込みニューラルネットワーク(CNN)アーキテクチャを導入し、障害サイトの位置を予測する。
- 参考スコア(独自算出の注目度): 0.9012198585960443
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chronic Obstructive Pulmonary Disorder (COPD) is a prevalent respiratory
disease that significantly impacts the quality of life of affected individuals.
This paper presents COPDFlowNet, a novel deep-learning framework that leverages
a custom Generative Adversarial Network (GAN) to generate synthetic
Computational Fluid Dynamics (CFD) velocity flow field images specific to the
trachea of COPD patients. These synthetic images serve as a valuable resource
for data augmentation and model training. Additionally, COPDFlowNet
incorporates a custom Convolutional Neural Network (CNN) architecture to
predict the location of the obstruction site.
- Abstract(参考訳): 慢性閉塞性肺障害 (COPD) は、感染した患者の生活の質に大きな影響を及ぼす呼吸器疾患である。
本稿では, COPD患者の気道に特異的なCFD速度場画像を生成するために, GAN(Generative Adversarial Network)を利用した新しいディープラーニングフレームワークであるCOPDFlowNetを提案する。
これらの合成画像は、データ拡張とモデルトレーニングのための貴重なリソースとなる。
さらに、COPDFlowNetは独自の畳み込みニューラルネットワーク(CNN)アーキテクチャを導入し、障害サイトの位置を予測する。
関連論文リスト
- DualStreamFoveaNet: A Dual Stream Fusion Architecture with Anatomical
Awareness for Robust Fovea Localization [5.774660384661436]
マルチキュー核融合のためのDualStreamFoveaNet (DSFN) と呼ばれる新しいトランスフォーマーアーキテクチャを提案する。
このアーキテクチャは、網膜と血管の分布を用いた長距離接続とグローバルな特徴をはっきりと組み込んで、堅牢な葉の局在を図っている。
DSFNは、正常な網膜像と疾患のある網膜像の両方においてより堅牢であり、クロスデータセット実験においてキャパシティの一般化がより優れていることを実証する。
論文 参考訳(メタデータ) (2023-02-14T10:40:20Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳(メタデータ) (2022-09-07T05:01:38Z) - Airway measurement by refinement of synthetic images improves mortality
prediction in idiopathic pulmonary fibrosis [1.3290985445255554]
我々は,私たちのモデルであるエアウェイ・トランスファー・ネットワーク(ATN)をトレーニングするために,知覚的損失を用いたスタイル伝達による気道合成を提案する。
ATNは最先端のGANベースネットワーク(simGAN)よりも高速で訓練が容易であった。
ATNベースの気道測定は、IPF CT上のsimGAN由来気道測定値よりも一貫して死亡率の予測因子であることが判明した。
論文 参考訳(メタデータ) (2022-08-30T10:48:48Z) - Convolutional Neural Network to Restore Low-Dose Digital Breast
Tomosynthesis Projections in a Variance Stabilization Domain [15.149874383250236]
畳み込みニューラルネットワーク(CNN)は、低線量(LD)投影を標準的なフル線量(FD)取得と同等の画質に復元するために提案されている。
平均二乗誤差(MNSE)、正規化訓練時間、ノイズ空間相関の点で従来のデータ駆動方式と比較して、ネットワークは優れた結果を得た。
論文 参考訳(メタデータ) (2022-03-22T13:31:47Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-12-23T15:52:37Z) - Low-Dose CT Denoising Using a Structure-Preserving Kernel Prediction
Network [10.09577595969254]
CNNに基づくアプローチは、CT画像のすべての領域を等しく扱い、不均一に分布するノイズと共存する微細な構造が共存する場合、非効率である。
本稿では,カーネル予測ネットワークと構造認識損失関数を組み合わせた構造保存カーネル予測ネットワーク(StructKPN)を提案する。
提案手法は, 合成データセットと非合成データセットの両方において優れた性能を達成し, 臨床スクリーニングや低線量プロトコル最適化において望まれる構造を良好に保存する。
論文 参考訳(メタデータ) (2021-05-31T07:42:21Z) - COVID-Net CT-S: 3D Convolutional Neural Network Architectures for
COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。
3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文 参考訳(メタデータ) (2021-05-04T04:44:41Z) - Automated freezing of gait assessment with marker-based motion capture
and deep learning approaches expert-level detection [0.9103175498038585]
本稿では,深層ニューラルネットワークを用いたモーションキャプチャを用いたFOG評価手法を提案する。
提案ネットワークはマルチステージグラフ畳み込みネットワーク (MS-GCN) と呼ばれ、空間時間グラフ畳み込みネットワーク (ST-GCN) とマルチステージ時間畳み込みネットワーク (MS-TCN) を組み合わせたものである。
実験により,提案モデルが最先端のベースラインを上回ることが示された。
論文 参考訳(メタデータ) (2021-03-29T09:32:45Z) - Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for
Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。
胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
論文 参考訳(メタデータ) (2021-03-06T02:16:41Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳(メタデータ) (2020-01-08T15:47:08Z)
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。