論文の概要: One-Stop Automated Diagnostic System for Carpal Tunnel Syndrome in
Ultrasound Images Using Deep Learning
- arxiv url: http://arxiv.org/abs/2402.05554v1
- Date: Thu, 8 Feb 2024 10:43:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 15:42:36.782100
- Title: One-Stop Automated Diagnostic System for Carpal Tunnel Syndrome in
Ultrasound Images Using Deep Learning
- Title（参考訳）: 深層学習を用いた超音波画像における手根管症候群のワンストップ自動診断システム
- Authors: Jiayu Peng, Jiajun Zeng, Manlin Lai, Ruobing Huang, Dong Ni, Zhenzhou
Li
- Abstract要約: 手根管症候群(CTS)検査は、中央神経(MN)を同定し、CTSの診断は検査者の専門性に大きく依存するが、CTSの診断に特有な利点がある。
我々は,ワンストップ自動CTS診断システム(OSA-CTSD)を開発し,コンピュータ支援診断ツールとしての有効性を評価した。
- 参考スコア（独自算出の注目度）: 3.123012151358799
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objective: Ultrasound (US) examination has unique advantages in diagnosing
carpal tunnel syndrome (CTS) while identifying the median nerve (MN) and
diagnosing CTS depends heavily on the expertise of examiners. To alleviate this
problem, we aimed to develop a one-stop automated CTS diagnosis system
(OSA-CTSD) and evaluate its effectiveness as a computer-aided diagnostic tool.
Methods: We combined real-time MN delineation, accurate biometric measurements,
and explainable CTS diagnosis into a unified framework, called OSA-CTSD. We
collected a total of 32,301 static images from US videos of 90 normal wrists
and 40 CTS wrists for evaluation using a simplified scanning protocol. Results:
The proposed model showed better segmentation and measurement performance than
competing methods, reporting that HD95 score of 7.21px, ASSD score of 2.64px,
Dice score of 85.78%, and IoU score of 76.00%, respectively. In the reader
study, it demonstrated comparable performance with the average performance of
the experienced in classifying the CTS, while outperformed that of the
inexperienced radiologists in terms of classification metrics (e.g., accuracy
score of 3.59% higher and F1 score of 5.85% higher). Conclusion: The OSA-CTSD
demonstrated promising diagnostic performance with the advantages of real-time,
automation, and clinical interpretability. The application of such a tool can
not only reduce reliance on the expertise of examiners, but also can help to
promote the future standardization of the CTS diagnosis process, benefiting
both patients and radiologists.
- Abstract（参考訳）: 目的: 超音波検査は手根管症候群(CTS)の診断に特有な利点があり, 中央神経(MN)を同定し, CTSの診断は検査者の専門性に大きく依存する。
この問題を軽減するため,1ストップ自動cts診断システム(osa-ctsd)を開発し,コンピュータ支援診断ツールとしての有効性を評価した。
方法: リアルタイムMN記述, 正確な生体計測, 説明可能なCTS診断をOSA-CTSDという統合フレームワークに組み合わせた。
簡単なスキャニングプロトコルを用いて,90本の標準手首と40本のCTS手首のUSビデオから32,301枚の静止画像を収集し,評価を行った。
その結果,HD95スコアは7.21px,ASSDスコアは2.64px,Diceスコアは85.78%,IoUスコアは76.00%であった。
読者調査では、cts分類における経験者の平均性能と同等のパフォーマンスを示したが、分類基準では経験不足の放射線科医の成績を上回っていた(例えば、精度スコア3.59%、f1スコア5.85%)。
結論: OSA-CTSDは, リアルタイム, 自動化, 臨床解釈性の利点を生かして, 有望な診断性能を示した。
このようなツールの応用は、検査者の専門知識への依存を減らすだけでなく、CTS診断プロセスの今後の標準化を推進し、患者と放射線技師の両方に利益をもたらす。
関連論文リスト
- Bridging the Diagnostic Divide: Classical Computer Vision and Advanced AI methods for distinguishing ITB and CD through CTE Scans [2.900410045439515]
放射線医の間では, 内皮-皮下脂肪比は, ITBとCDの鑑別における代用バイオマーカーとして認識されている。
本稿では,この比率計算を自動化するために,皮下脂肪の自動分離のための新しい2次元画像コンピュータビジョンアルゴリズムを提案する。
ITB, CD, 正常患者のサンプルを用いて, CTEスキャンのデータセットを用いてResNet10モデルを訓練し, 75%の精度を得た。
論文 参考訳（メタデータ） (2024-10-23T17:05:27Z) - Pose-based Tremor Type and Level Analysis for Parkinson's Disease from
Video [10.577497906432498]
我々は,パーキンソンの震動(PT)を分析し,PDの分析を支援することを提案する。
深層学習に基づくPT分類と重度推定システムであるSPA-PTAを提案する。
論文 参考訳（メタデータ） (2023-12-21T12:05:01Z) - TRUSTED: The Paired 3D Transabdominal Ultrasound and CT Human Data for
Kidney Segmentation and Registration Research [42.90853857929316]
腹部超音波(US)データを用いたIMIR(Inter-modal Image registration)と画像分割は,多くの重要な臨床応用例である。
ヒト48例の経腹部3DUSとCT腎像を組み合わせたTRUSTED(Tridimensional Ultra Sound TomodEnsitometrie dataset)を提案する。
論文 参考訳（メタデータ） (2023-10-19T11:09:50Z) - Atrial Septal Defect Detection in Children Based on Ultrasound Video
Using Multiple Instances Learning [14.62565592495898]
本稿では,心房中隔欠損診断を支援するための心エコー画像に基づく深層学習手法を提案する。
心房中隔(subAS)と低中隔4区画(LPS4C)の2つの標準ビューをASDを同定する2つのビューとして選択した。
ASD検出では,89.33 AUC,84.95精度,85.70感度,81.51特異度,81.99F1スコアが得られた。
論文 参考訳（メタデータ） (2023-06-06T16:25:29Z) - HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic
Joint Infection Diagnosis Using CT Images and Text [0.0]
補綴関節感染症(PJI)は重篤な合併症である。
現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。
本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
論文 参考訳（メタデータ） (2023-05-29T11:25:57Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳（メタデータ） (2023-02-02T08:45:17Z) - Deep Learning-Based Automatic Diagnosis System for Developmental
Dysplasia of the Hip [5.673030999857323]
本研究では,14個のキーポイントを自動的に検出する深層学習システムを提案する。
3つの解剖学的角度(中央辺角、T"オンニス角、シャープ角)を測り、DDHヒップをクロー基準に基づいてグレードI-IVに分類する。
論文 参考訳（メタデータ） (2022-09-07T19:50:30Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - JCS: An Explainable COVID-19 Diagnosis System by Joint Classification
and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。
感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。
本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文 参考訳（メタデータ） (2020-04-15T12:30:40Z) - Lung Infection Quantification of COVID-19 in CT Images with Deep
Learning [41.35413216175024]
深層学習システムは、関心のある感染症領域を自動的に定量化するために開発された。
感染領域分割のための放射線科医を支援するためのループ内ヒト戦略
論文 参考訳（メタデータ） (2020-03-10T11:58:40Z)
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。