論文の概要: Noninvasive Estimation of Mean Pulmonary Artery Pressure Using MRI, Computer Models, and Machine Learning

• arxiv url: http://arxiv.org/abs/2312.14221v1
• Date: Thu, 21 Dec 2023 14:03:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-12-25 17:12:39.604834
• Title: Noninvasive Estimation of Mean Pulmonary Artery Pressure Using MRI, Computer Models, and Machine Learning
• Title（参考訳）: MRI, コンピュータモデル, 機械学習を用いた平均肺動脈圧の非侵襲的推定
• Authors: Michal K. Grzeszczyk, Tadeusz Satlawa, Angela Lungu, Andrew Swift, Andrew Narracott, Rod Hose, Tomasz Trzcinski, Arkadiusz Sitek
• Abstract要約: 肺高血圧 (PH) は肺動脈圧の上昇を特徴とする重症疾患である。 本稿では, 磁気共鳴イメージング, コンピュータモデル, 機械学習を用いたPH検出における非侵襲的アプローチについて検討する。
• 参考スコア（独自算出の注目度）: 9.484833022938744
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pulmonary Hypertension (PH) is a severe disease characterized by an elevated pulmonary artery pressure. The gold standard for PH diagnosis is measurement of mean Pulmonary Artery Pressure (mPAP) during an invasive Right Heart Catheterization. In this paper, we investigate noninvasive approach to PH detection utilizing Magnetic Resonance Imaging, Computer Models and Machine Learning. We show using the ablation study, that physics-informed feature engineering based on models of blood circulation increases the performance of Gradient Boosting Decision Trees-based algorithms for classification of PH and regression of values of mPAP. We compare results of regression (with thresholding of estimated mPAP) and classification and demonstrate that metrics achieved in both experiments are comparable. The predicted mPAP values are more informative to the physicians than the probability of PH returned by classification models. They provide the intuitive explanation of the outcome of the machine learning model (clinicians are accustomed to the mPAP metric, contrary to the PH probability).
• Abstract（参考訳）: 肺高血圧 (PH) は肺動脈圧の上昇を特徴とする重篤な疾患である。 ph診断の金の基準は、侵襲的右心カテーテル手術中の平均肺動脈圧(mpap)の測定である。 本稿では,磁気共鳴イメージング,コンピュータモデル,機械学習を用いた非侵襲的なPH検出手法について検討する。 本研究は,血液循環モデルに基づく物理インフォームド特徴工学を用いて,PHの分類とmPAP値の回帰のための勾配ブースティング決定木に基づくアルゴリズムの性能を向上することを示す。 回帰(推定mPAPのしきい値の閾値)と分類の結果を比較し,両実験で達成した指標が同等であることを示す。 予測されたmPAP値は、分類モデルによって返されるPHの確率よりも医師にとってより有益である。 それらは機械学習モデルの結果を直感的に説明する(クリニックはPH確率とは対照的にmPAP測定に慣れている)。

関連論文リスト

• Diagnosis of Pulmonary Hypertension by Integrating Multimodal Data with a Hybrid Graph Convolutional and Transformer Network [32.50971951245164]
  本研究は,深層学習に基づく肺高血圧症(PH)診断モデルの開発と評価である。 患者を非PH、毛細管前PH、または毛細管後PHに分類するように設計されている。 マルチモーダルデータを効果的に統合することで、臨床的な意思決定を支援することができる。
  論文  参考訳（メタデータ） (2025-03-28T01:14:17Z)
• SHIP: A Shapelet-based Approach for Interpretable Patient-Ventilator Asynchrony Detection [3.580340090571342]
  PVA(Patent-ventilator asynchrony)は、機械的換気の際の一般的な問題であり、最大85%の患者に影響を及ぼす。 PVA検出のためのシェープレットベースアプローチ ShiP を提案する。 本手法は,シェープレットに基づくデータ拡張によるデータセットの不均衡に対処し,より効果的な分類のために,シェープレットプールを構築してデータセットを変換する。
  論文  参考訳（メタデータ） (2025-03-09T11:58:03Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• TabMixer: Noninvasive Estimation of the Mean Pulmonary Artery Pressure via Imaging and Tabular Data Mixing [1.049268296969183]
  右心カテーテル法は平均肺動脈圧(mPAP)を測定することで肺高血圧を診断するための金標準法である 本稿では,非侵襲的心臓磁気共鳴画像からのmPAPの推定について検討する。 本研究では,この課題に使用するディープラーニングモデルの予測能力を高めるために,人口統計学的特徴や臨床測定の形式に付加的なモダリティを導入する。
  論文  参考訳（メタデータ） (2024-09-11T18:32:30Z)
• Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
  目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。 回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
  論文  参考訳（メタデータ） (2024-05-23T13:22:17Z)
• Classification of lung cancer subtypes on CT images with synthetic pathological priors [41.75054301525535]
  同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。 肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T02:04:05Z)
• Deep Metric Learning for the Hemodynamics Inference with Electrocardiogram Signals [14.972877620537686]
  我々は、中央の圧力ラベルを伴わない540万以上のECGを含むデータセットを使用して、自己教師型DMLモデルを事前トレーニングします。 8,172mPCWPラベルのECGを用いた教師付きDMLモデルでは,mPCWP回帰タスクの性能が著しく向上した。
  論文  参考訳（メタデータ） (2023-08-09T01:30:07Z)
• Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
  平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。 オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。 我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
  論文  参考訳（メタデータ） (2022-11-22T11:35:14Z)
• 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 Novel Clustering-Based Algorithm for Continuous and Non-invasive Cuff-Less Blood Pressure Estimation [0.0]
  心電図(ECG)信号と動脈血圧(ABP)データから抽出した特徴に基づく血圧推定法を開発した。 クラスタリング手法を適用して, モデル作成の精度を高く評価し, 比較した。 以上の結果から,SBP (Systolic Blood Pressure) とDBP (Distolic Blood Pressure) の精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-10-13T19:16:10Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• 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)
• Perfusion Imaging: A Data Assimilation Approach [18.418067945495203]
  灌流画像(PI)は脳卒中や脳腫瘍の診断に用いられる。 コントラスト・エイジェント・フリーアプローチ(例えば、ボクセル内不整合運動に基づく)も存在するが、これまでは日常的に臨床応用は行われていない。 これらの手法は、動脈入力関数(AIF)をおよそモデル組織灌流に頼り、空間的依存を無視し、AIFを確実に推定することにも依存する。 本研究では, 対流拡散モデルの速度場と拡散場を推定し, コントラストのダイナミクスを最もよく説明するデータ同化手法(PIANO)を提案する。
  論文  参考訳（メタデータ） (2020-09-06T18:44:44Z)
• Aortic Pressure Forecasting with Deep Sequence Learning [23.571482805855755]
  平均大動脈圧(MAP)は、すべての臓器系における灌流の主要な決定因子である。 本研究の目的は,5分前の25Hzの時系列データを入力として,平均大動脈圧を5分前に予測することであった。
  論文  参考訳（メタデータ） (2020-05-12T01:07:25Z)

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。