論文の概要: A Deep Learning-Driven Pipeline for Differentiating Hypertrophic Cardiomyopathy from Cardiac Amyloidosis Using 2D Multi-View Echocardiography

• arxiv url: http://arxiv.org/abs/2404.16522v1
• Date: Thu, 25 Apr 2024 11:27:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-26 13:59:41.142001
• Title: A Deep Learning-Driven Pipeline for Differentiating Hypertrophic Cardiomyopathy from Cardiac Amyloidosis Using 2D Multi-View Echocardiography
• Title（参考訳）: 心アミロイドーシスと肥大型心筋症を鑑別する深層学習駆動パイプライン
• Authors: Bo Peng, Xiaofeng Li, Xinyu Li, Zhenghan Wang, Hui Deng, Xiaoxian Luo, Lixue Yin, Hongmei Zhang,
• Abstract要約: 肥大型心筋症 (HCM) と心アミロイドーシス (CA) はいずれも心不全に進展する。 本稿では,HCMとCAの鑑別に2次元心エコー図を用いた新しい多視点深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 10.098930200447583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hypertrophic cardiomyopathy (HCM) and cardiac amyloidosis (CA) are both heart conditions that can progress to heart failure if untreated. They exhibit similar echocardiographic characteristics, often leading to diagnostic challenges. This paper introduces a novel multi-view deep learning approach that utilizes 2D echocardiography for differentiating between HCM and CA. The method begins by classifying 2D echocardiography data into five distinct echocardiographic views: apical 4-chamber, parasternal long axis of left ventricle, parasternal short axis at levels of the mitral valve, papillary muscle, and apex. It then extracts features of each view separately and combines five features for disease classification. A total of 212 patients diagnosed with HCM, and 30 patients diagnosed with CA, along with 200 individuals with normal cardiac function(Normal), were enrolled in this study from 2018 to 2022. This approach achieved a precision, recall of 0.905, and micro-F1 score of 0.904, demonstrating its effectiveness in accurately identifying HCM and CA using a multi-view analysis.
• Abstract（参考訳）: 肥大型心筋症 (HCM) と心アミロイドーシス (CA) はいずれも心不全に進展する。 同様の心エコー図的特徴を呈し、しばしば診断上の課題に繋がる。 本稿では,HCMとCAの鑑別に2次元心エコー図を用いた新しい多視点深層学習手法を提案する。 心エコー図では,心室中隔,左心室中隔長軸,僧帽弁,乳頭筋,肛門の5つの心エコー図に分類する。 次に、各ビューの特徴を別々に抽出し、疾患分類のための5つの特徴を組み合わせる。 HCMと診断された患者は計212人,CAと診断された患者は30人,正常心機能(Normal)は200人であった。 このアプローチは精度、0.905のリコール、0.904のマイクロF1スコアを達成し、マルチビュー解析を用いてHCMとCAを正確に同定する効果を示した。

関連論文リスト

• Echocardiogram Foundation Model -- Application 1: Estimating Ejection Fraction [2.4164193358532438]
  心エコー基礎モデルであるエコーAIを導入し,150万個の心エコーを用いて自己教師付き学習(SSL)を用いて訓練した。 我々は,EchoAIを微調整し,平均絶対パーセンテージ誤差を9.40%と評価した。
  論文  参考訳（メタデータ） (2023-11-21T13:00:03Z)
• M(otion)-mode Based Prediction of Ejection Fraction using Echocardiograms [13.112371567924802]
  心エコー図のM(otion)モードを用いて左室流出率(EF)を推定し,心筋症を分類する。 心エコー図から複数の人工Mモード画像を生成し,既製のモデルアーキテクチャを用いて組み合わせる。 実験の結果,教師付き設定は10モードで収束し,ベースライン法に匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-09-07T15:00:58Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• AI-enabled Assessment of Cardiac Systolic and Diastolic Function from Echocardiography [1.0082848901582044]
  左室機能(LV)は, 心疾患患者の管理, 予後, 長期生存において重要な因子である。 最近発表された心不全に関する臨床ガイドラインは、心機能の1つの尺度のみに依存することが最適であることを認めている。 近年,AIを用いた心エコー図法が進歩し,LV容積とLV放出率の自動推定に優れた結果が得られた。
  論文  参考訳（メタデータ） (2022-03-21T10:59:48Z)
• Analysis of Digitalized ECG Signals Based on Artificial Intelligence and Spectral Analysis Methods Specialized in ARVC [0.0]
  不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。 心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
  論文  参考訳（メタデータ） (2022-02-28T13:12:50Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• 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)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)
• Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
  心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。 これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
  論文  参考訳（メタデータ） (2020-08-13T12:53:26Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。