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: 処理完了
- 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
- Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters [39.96015789655091]
多くのfMRI研究では、呼吸信号が欠如しているか、品質が悪いことがしばしばある。
周辺記録装置を必要とせずに、fMRIデータから直接呼吸変動(RV)波形を抽出するツールを持つことは、非常に有益である。
本研究では,頭部運動パラメータとBOLD信号を用いたRV波形再構成のためのCNNモデルを提案する。
論文 参考訳(メタデータ) (2024-04-30T21:53:11Z) - A Finger on the Pulse of Cardiovascular Health: Smartphone
Photoplethysmography-Based Pulse Waveform Analysis for Blood Pressure
Measurement [2.6597689982591044]
血圧モニタリング(BP)は、医療機器や専門知識へのアクセス制限などの課題に直面している。
一方、ポータブルなカフBPデバイスは、一日中持ち歩くのが面倒で、先進国ではコストが抑えられないことが多い。
本研究では、連続BPモニタリングにおけるスマートフォンの利用について検討し、機械学習モデルの不透明性に関連する信頼障壁を克服することに焦点を当てた。
論文 参考訳(メタデータ) (2024-01-20T05:05:17Z) - 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。