Fugu-MT 論文翻訳(概要): CPAISD: Core-penumbra acute ischemic stroke dataset

論文の概要: CPAISD: Core-penumbra acute ischemic stroke dataset

arxiv url: http://arxiv.org/abs/2404.02518v1
Date: Wed, 3 Apr 2024 07:11:19 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 18:19:59.117583
Title: CPAISD: Core-penumbra acute ischemic stroke dataset
Title（参考訳）: CPAISD : Core-penumbra急性虚血性脳梗塞データセット
Authors: D. Umerenkov, S. Kudin, M. Peksheva, D. Pavlov,
Abstract要約: CPAISD: Core-Penumbra急性虚血ストロークデータセットは、虚血性脳梗塞の早期発見とセグメンテーションを強化することを目的としている。データセットは、セグメント化されたNCCTイメージのコレクションを提供する。これらには虚血コアとペナムブラ領域のアノテーションが含まれており、迅速な脳卒中同定と評価のための機械学習モデルの開発に不可欠である。我々のデータセットの特異性は、非インフォームティブなネイティブCTスキャンによる虚血性脳梗塞の急性期に焦点を当て、データセットの応用を実証するためのベースラインモデルを含んでいる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce the CPAISD: Core-Penumbra Acute Ischemic Stroke Dataset, aimed at enhancing the early detection and segmentation of ischemic stroke using Non-Contrast Computed Tomography (NCCT) scans. Addressing the challenges in diagnosing acute ischemic stroke during its early stages due to often non-revealing native CT findings, the dataset provides a collection of segmented NCCT images. These include annotations of ischemic core and penumbra regions, critical for developing machine learning models for rapid stroke identification and assessment. By offering a carefully collected and annotated dataset, we aim to facilitate the development of advanced diagnostic tools, contributing to improved patient care and outcomes in stroke management. Our dataset's uniqueness lies in its focus on the acute phase of ischemic stroke, with non-informative native CT scans, and includes a baseline model to demonstrate the dataset's application, encouraging further research and innovation in the field of medical imaging and stroke diagnosis.
Abstract（参考訳）: CPAISD: Core-Penumbra acute Ischemic Stroke Datasetは非造影CT(non-Contrast Computed Tomography)スキャンを用いて虚血性脳梗塞の早期発見とセグメンテーションを促進することを目的としている。急性虚血性脳梗塞を早期に診断する上での課題に対処するため、このデータセットはNCCT画像のセグメンテーションを提供する。これらには虚血コアとペナムブラ領域のアノテーションが含まれており、迅速な脳卒中同定と評価のための機械学習モデルの開発に不可欠である。慎重に収集された注釈付きデータセットを提供することで、高度な診断ツールの開発を容易にし、脳卒中管理における患者ケアの改善と成果に寄与することを目指している。我々のデータセットの特異性は、非インフォーマティブなネイティブCTスキャンによる虚血性脳梗塞の急性期に焦点を当て、データセットの応用を実証するためのベースラインモデルを含み、医療画像や脳卒中診断の分野におけるさらなる研究と革新を奨励している。

関連論文リスト

CADICA: a new dataset for coronary artery disease detection by using invasive coronary angiography [1.5404452377809545]
冠状動脈疾患(CAD)は、今でも世界中で死因となっている。深層学習分類法は医用画像の他の領域でよく開発されている。最も重要な理由の1つは、可用性と高品質なオープンアクセスデータセットの欠如である。
論文参考訳（メタデータ） (2024-02-01T13:03:13Z)
Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文参考訳（メタデータ） (2023-11-10T11:49:49Z)
APIS: A paired CT-MRI dataset for ischemic stroke segmentation challenge [0.0]
APISはNCCTとADCによる急性虚血性脳卒中患者の最初のペアデータセットである。第20回IEEE International Symposium on Biomedical Imaging 2023で発表された。すべてのチームが専門的なディープラーニングツールを使用しているにも関わらず、NCCTの虚血性脳卒中セグメンテーションタスクは依然として困難である。
論文参考訳（メタデータ） (2023-09-26T20:16:07Z)
PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage [2.602118060856794]
脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。 PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
論文参考訳（メタデータ） (2023-08-21T07:18:51Z)
CARE: A Large Scale CT Image Dataset and Clinical Applicable Benchmark Model for Rectal Cancer Segmentation [8.728236864462302]
CT画像の直腸癌セグメンテーションは、タイムリーな臨床診断、放射線治療、経過観察において重要な役割を担っている。これらの障害は直腸の複雑な解剖学的構造と直腸癌の鑑別診断の困難から生じる。これらの課題に対処するため,本研究では,正常直腸と癌直腸の両方にピクセルレベルのアノテーションを付加した,新しい大規模直腸癌CT画像データセットCAREを導入する。また,U-SAMと命名された新しい癌病変セグメンテーションベンチマークモデルを提案する。このモデルは、迅速な情報を取り入れることで、腹部器官の複雑な解剖学的構造によって引き起こされる課題に対処するように設計されている。
論文参考訳（メタデータ） (2023-08-16T10:51:27Z)
Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文参考訳（メタデータ） (2023-07-06T08:27:48Z)
CT Perfusion is All We Need: 4D CNN Segmentation of Penumbra and Core in Patients With Suspected Ischemic Stroke [1.6836876499886009]
本稿では,時間情報を完全に活用する4つの畳み込みを入力として利用する方法について検討する。提案した4D mJ-Netを用いることで、ペニブラとコア領域の分割にそれぞれ0.53と0.23のDice係数が得られる。
論文参考訳（メタデータ） (2023-03-15T16:53:19Z)
SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
論文参考訳（メタデータ） (2021-10-28T12:59:06Z)
Exploring and Distilling Posterior and Prior Knowledge for Radiology Report Generation [55.00308939833555]
PPKEDには、Posterior Knowledge Explorer (PoKE), Prior Knowledge Explorer (PrKE), Multi-domain Knowledge Distiller (MKD)の3つのモジュールが含まれている。 PoKEは後部知識を探求し、視覚データのバイアスを軽減するために明確な異常な視覚領域を提供する。 PrKEは、以前の医学知識グラフ(医学知識)と以前の放射線学レポート(作業経験)から以前の知識を探り、テキストデータのバイアスを軽減する。
論文参考訳（メタデータ） (2021-06-13T11:10:02Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
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)

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。