論文の概要: Fusing Echocardiography Images and Medical Records for Continuous
Patient Stratification
- arxiv url: http://arxiv.org/abs/2401.07796v1
- Date: Mon, 15 Jan 2024 16:04:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 16:37:13.879635
- Title: Fusing Echocardiography Images and Medical Records for Continuous
Patient Stratification
- Title（参考訳）: 心エコー図画像と医療記録を用いた連続成層診断
- Authors: Nathan Painchaud, Pierre-Yves Courand, Pierre-Marc Jodoin, Nicolas
Duchateau, Olivier Bernard
- Abstract要約: 本研究は, 心血管疾患, 高血圧の表現を学習するために, 医療記録や心エコー図から抽出したすべての記述子を考察する手法を提案する。
提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。
これらの標準化されたマルチモーダルデータの表現は、その後トランスフォーマーエンコーダに送られ、臨床評価を予測するプリテキストタスクを通じて患者の包括的表現にマージされる。
- 参考スコア（独自算出の注目度）: 6.328889967237029
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning now enables automatic and robust extraction of cardiac function
descriptors from echocardiographic sequences, such as ejection fraction or
strain. These descriptors provide fine-grained information that physicians
consider, in conjunction with more global variables from the clinical record,
to assess patients' condition. Drawing on novel transformer models applied to
tabular data (e.g., variables from electronic health records), we propose a
method that considers all descriptors extracted from medical records and
echocardiograms to learn the representation of a difficult-to-characterize
cardiovascular pathology, namely hypertension. Our method first projects each
variable into its own representation space using modality-specific approaches.
These standardized representations of multimodal data are then fed to a
transformer encoder, which learns to merge them into a comprehensive
representation of the patient through a pretext task of predicting a clinical
rating. This pretext task is formulated as an ordinal classification to enforce
a pathological continuum in the representation space. We observe the major
trends along this continuum for a cohort of 239 hypertensive patients to
describe, with unprecedented gradation, the effect of hypertension on a number
of cardiac function descriptors. Our analysis shows that i) pretrained weights
from a foundation model allow to reach good performance (83% accuracy) even
with limited data (less than 200 training samples), ii) trends across the
population are reproducible between trainings, and iii) for descriptors whose
interactions with hypertension are well documented, patterns are consistent
with prior physiological knowledge.
- Abstract（参考訳）: 深層学習により、心機能記述子の自動的かつ堅牢な抽出が可能になった。
これらの記述子は、患者の状態を評価するために、医師が臨床記録からよりグローバルな変数とともに考慮するきめ細かい情報を提供する。
表データ(例えば、電子健康記録から抽出された変数)に適用された新しいトランスフォーマーモデルに基づいて、医療記録と心エコーから抽出された全てのディスクリプタを考慮し、心血管疾患、すなわち高血圧の難解な表現を学ぶ方法を提案する。
提案手法では,まず各変数を各表現空間にモーダリティ特有のアプローチで投影する。
これらの標準化されたマルチモーダルデータの表現は、その後トランスフォーマーエンコーダに送られ、臨床評価を予測するプリテキストタスクを通じて患者の包括的表現にマージされる。
この前文課題は、表現空間の病的連続性を強制するための順序分類として定式化される。
この連続体に沿った主要な傾向を239人の高血圧患者のコホートで観察し、高血圧が多くの心機能記述体に与える影響を前例のない程度に記述した。
私たちの分析は
一 限られたデータ(訓練サンプル200本未満)であっても、優れた性能(83%の精度)を達成できる基礎モデルからの事前訓練重量
二 人口の傾向が訓練の間に再現可能であること、及び
三 高血圧との相互作用が十分に文書化されている記述者に対し、そのパターンは、事前の生理的知識と整合する。
関連論文リスト
- Deep vectorised operators for pulsatile hemodynamics estimation in coronary arteries from a steady-state prior [2.3971720731010766]
本稿では,拍動血行動態を推定するために,機械学習を利用した時間効率な代理モデルを提案する。
本モデルでは, 震源領域の再サンプリングに依存せず, 脈動速度と圧力の正確な推定値が得られた。
論文 参考訳（メタデータ） (2024-10-15T12:24:50Z) - FeDETR: a Federated Approach for Stenosis Detection in Coronary Angiography [0.3823356975862007]
冠動脈狭窄は心不全の根底にある因子である。
冠動脈病変の診断にはいくつかの欠点がある。
深層学習法は、FFR/iFR値の自動推定において、心臓科医を支援するために登場した。
論文 参考訳（メタデータ） (2024-09-21T23:52:05Z) - Hypergraph Convolutional Networks for Fine-grained ICU Patient
Similarity Analysis and Risk Prediction [15.06049250330114]
集中治療ユニット(ICU、Intensive Care Unit)は、重篤な患者を認め、継続的な監視と治療を提供する病院の最も重要な部分の1つである。
臨床意思決定における医療従事者を支援するために,様々な患者結果予測手法が試みられている。
論文 参考訳（メタデータ） (2023-08-24T05:26:56Z) - A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy [76.20367415712867]
本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。
2360例の心左心室データを用いた条件流VAEの性能について検討した。
論文 参考訳（メタデータ） (2023-06-26T13:23:52Z) - 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) - Towards dynamic multi-modal phenotyping using chest radiographs and
physiological data [3.11179491890629]
本稿では,モダリティ固有のデータ表現を学習し,補助的特徴を統合するための動的トレーニング手法を提案する。
MIMIC-IVおよび胸部X線写真を用いたMIMIC-CXRデータセットを用いた患者表現型検索の予備実験を行った。
このことは、表現型タスクにおける胸部画像モダリティの活用の利点を示し、医療応用におけるマルチモーダル学習の可能性を強調している。
論文 参考訳（メタデータ） (2021-11-04T09:41:00Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z) - Deep Representation Learning of Electronic Health Records to Unlock
Patient Stratification at Scale [0.5498849973527224]
ヘテロジニアスEHRを処理するためのディープラーニングに基づく教師なしフレームワークを提案する。
患者層形成を効果的かつ効果的に行うことができる患者表現を導出する。
論文 参考訳（メタデータ） (2020-03-14T00:04:20Z) - 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。