Fugu-MT 論文翻訳(概要): Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets

論文の概要: Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets

arxiv url: http://arxiv.org/abs/2404.19579v1
Date: Tue, 30 Apr 2024 14:16:45 GMT
ステータス: 処理完了
システム内更新日: 2024-05-01 13:55:56.836244
Title: Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets
Title（参考訳）: 高次ダイナミックモード分解と小型データ用視覚変換器を用いた心エコー画像の自動心臓病理診断
Authors: Andrés Bell-Navas, Nourelhouda Groun, María Villalba-Orero, Enrique Lara-Pezzi, Jesús Garicano-Mena, Soledad Le Clainche,
Abstract要約: 心臓病は、人間の機能不全の主な原因だ。WHOによると、心臓病のために毎年約1800万人が死亡している。本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案する。
参考スコア（独自算出の注目度）: 2.0286377328378737
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Heart diseases are the main international cause of human defunction. According to the WHO, nearly 18 million people decease each year because of heart diseases. Also considering the increase of medical data, much pressure is put on the health industry to develop systems for early and accurate heart disease recognition. In this work, an automatic cardiac pathology recognition system based on a novel deep learning framework is proposed, which analyses in real-time echocardiography video sequences. The system works in two stages. The first one transforms the data included in a database of echocardiography sequences into a machine-learning-compatible collection of annotated images which can be used in the training stage of any kind of machine learning-based framework, and more specifically with deep learning. This includes the use of the Higher Order Dynamic Mode Decomposition (HODMD) algorithm, for the first time to the authors' knowledge, for both data augmentation and feature extraction in the medical field. The second stage is focused on building and training a Vision Transformer (ViT), barely explored in the related literature. The ViT is adapted for an effective training from scratch, even with small datasets. The designed neural network analyses images from an echocardiography sequence to predict the heart state. The results obtained show the superiority of the proposed system and the efficacy of the HODMD algorithm, even outperforming pretrained Convolutional Neural Networks (CNNs), which are so far the method of choice in the literature.
Abstract（参考訳）: 心臓病は人間の機能不全の主な国際的原因である。 WHOによると、心臓病のために毎年約1800万人が死亡している。また、医療データの増加を考慮すると、早期かつ正確な心臓病の認識システムを開発するよう医療業界に強い圧力がかかっている。本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案し,リアルタイム心エコー画像解析を行った。システムは2段階で動作する。 1つ目は、エコー心電図シーケンスのデータベースに含まれるデータから、あらゆる種類の機械学習ベースのフレームワークのトレーニング段階、より具体的にはディープラーニングで使用できる、アノテーション付き画像の機械学習互換のコレクションに変換する。これには、医療分野におけるデータ拡張と特徴抽出の両方のために、著者の知識に初めて高次動的モード分解(HODMD)アルゴリズムの使用が含まれる。第2段階はViT(Vision Transformer)の構築と訓練に焦点を当てており、関連する文献ではほとんど調査されていない。 ViTは、小さなデータセットであっても、スクラッチから効果的なトレーニングに適応している。設計されたニューラルネットワークは、心エコー画像から画像を分析し、心臓の状態を予測する。その結果,提案手法の優位性とHODMDアルゴリズムの有効性は,これまでの文献における選択方法である事前学習畳み込みニューラルネットワーク(CNN)よりも優れていた。

関連論文リスト

EigenHearts: Cardiac Diseases Classification Using EigenFaces Approach [2.2851400085359685]
心疾患の分類におけるEigenFacesアプローチの応用について検討した。我々は、心エコー図法における固有顔アプローチから着想を得た前処理ステップを実行し、ポッドモードのセットを生成し、それを固有ハートと呼ぶ。その結果,SVDを前処理に用いた場合,分類精度は約50%向上した。
論文参考訳（メタデータ） (2024-11-25T09:41:20Z)
A Novel Data Augmentation Tool for Enhancing Machine Learning Classification: A New Application of the Higher Order Dynamic Mode Decomposition for Improved Cardiac Disease Identification [2.2851400085359685]
データ駆動型高次動的モード分解(HODMD)と畳み込みニューラルネットワーク(CNN)を組み合わせる。 HODMDアルゴリズムは、心疾患(糖尿病、肥満、TAC肥大、心筋梗塞)にともなう健常マウスおよびマウスの心エコーデータセットの特徴抽出手法として最初に用いられる。設計したCNNの分類性能は、元の画像とMDDモードを組み合わせることで、すべてのテストケースの結果が改善され、精度が最大22%向上することを示している。
論文参考訳（メタデータ） (2024-11-24T12:30:52Z)
ECG Arrhythmia Detection Using Disease-specific Attention-based Deep Learning Model [0.0]
短絡心電図記録から不整脈を検出するための病気特異的注意ベースディープラーニングモデル(DANet)を提案する。新しいアイデアは、既存のディープニューラルネットワークにソフトコーディングまたはハードコーディングの波形拡張モジュールを導入することである。 DANetをソフトコーディングするためには、自己教師付き事前学習と2段階教師付きトレーニングを組み合わせた学習フレームワークも開発する。
論文参考訳（メタデータ） (2024-07-25T13:27:10Z)
CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文参考訳（メタデータ） (2024-03-21T15:13:36Z)
LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文参考訳（メタデータ） (2023-06-20T22:21:34Z)
PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文参考訳（メタデータ） (2023-05-17T09:06:39Z)
Hierarchical Deep Learning with Generative Adversarial Network for Automatic Cardiac Diagnosis from ECG Signals [2.5008947886814186]
本稿では,ECG信号の自動診断のためのGAN(Generative Adversarial Network)を用いた2階層型階層型ディープラーニングフレームワークを提案する。第1レベルのモデルはメモリ拡張DeepオートエンコーダとGANで構成されており、異常信号と通常のECGを区別して異常検出を行う。第2レベルの学習は、異なる不整脈識別のための堅牢な多クラス分類を目指している。
論文参考訳（メタデータ） (2022-10-19T12:29:05Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文参考訳（メタデータ） (2021-10-12T21:22:24Z)
Heart-Darts: Classification of Heartbeats Using Differentiable Architecture Search [22.225051965963114]
不整脈は不規則な心拍を示す心血管疾患です。不整脈検出では心電図(ECG)信号が重要な診断手法である。畳み込みニューラルネットワーク(cnns)の適用により,評価プロセスが高速化され,性能が向上した。
論文参考訳（メタデータ） (2021-05-03T08:57:48Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。