論文の概要: Liver Fat Quantification Network with Body Shape

• arxiv url: http://arxiv.org/abs/2405.11386v1
• Date: Sat, 18 May 2024 20:22:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 17:59:18.199011
• Title: Liver Fat Quantification Network with Body Shape
• Title（参考訳）: 体型肝脂肪定量ネットワーク
• Authors: Qiyue Wang, Wu Xue, Xiaoke Zhang, Fang Jin, James Hahn,
• Abstract要約: 提案するフレームワークは,フレキシブルなベースライン回帰ネットワークと軽量アテンションモジュールで構成されている。 本手法の有効性を検証し, 生体形状のみを用いて肝脂肪を予測するニューラルネットワークの設計の有効性を検証した。
• 参考スコア（独自算出の注目度）: 4.642852520437342
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is clinically important to detect liver fat content as it is related to cardiac complications and cardiovascular disease mortality. However, existing methods are associated with high cost and/or medical complications (e.g., liver biopsy, medical imaging technology) or only roughly estimate the grades of steatosis. In this paper, we propose a deep neural network to accurately estimate liver fat percentage using only body shapes. The proposed framework is composed of a flexible baseline regression network and a lightweight attention module. The attention module is trained to generate discriminative and diverse features, thus significantly improving performance. To validate our proposed method, we perform extensive tests on medical datasets. The experimental results validate our method and prove the efficacy of designing neural networks to predict liver fat using only body shape. Since body shapes can be acquired using inexpensive and readily available optical scanners, the proposed method promised to make accurate assessment of hepatic steatosis more accessible.
• Abstract（参考訳）: 心臓合併症や心血管疾患の死亡と関連する肝脂肪量を検出することは臨床的に重要である。 しかし、既存の方法は、高コストおよび/または医療合併症(例えば、肝生検、医用画像技術)と関連付けられている。 本稿では,生体形状のみを用いて肝臓脂肪率を正確に推定するディープニューラルネットワークを提案する。 提案するフレームワークは,フレキシブルなベースライン回帰ネットワークと軽量アテンションモジュールで構成されている。 注目モジュールは差別的で多様な特徴を生成するように訓練され、性能が大幅に向上する。 提案手法を検証するため,医療データセットに対する広範囲な検査を行った。 本手法の有効性を検証し, 生体形状のみを用いて肝脂肪を予測するニューラルネットワークの設計の有効性を検証した。 安価で手軽に利用できる光学式スキャナーを用いて体型を取得できるため, 提案手法は肝脂肪症の正確な評価をより容易に行えるようにすることを約束する。

関連論文リスト

• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
  三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。 本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
  論文  参考訳（メタデータ） (2023-07-13T10:21:34Z)
• Fairly Predicting Graft Failure in Liver Transplant for Organ Assigning [61.30094367351618]
  肝移植は肝疾患に対して必要不可欠な治療法である。 機械学習モデルは不公平であり、特定のグループに対する偏見を引き起こす可能性がある。 本研究は,肝移植における移植不全予測を目的とした,公正な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-18T18:24:58Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• On the Automated Segmentation of Epicardial and Mediastinal Cardiac Adipose Tissues Using Classification Algorithms [0.9176056742068814]
  本研究は,心臓脂肪パッドの自動セグメンテーションのための新しい技術を提案する。 本手法は,心臓CT画像のセグメンテーションに分類アルゴリズムを適用することに基づく。 心内膜脂肪および縦隔脂肪の分類における平均精度は98.4%であった。
  論文  参考訳（メタデータ） (2022-08-30T15:57:02Z)
• Efficient liver segmentation with 3D CNN using computed tomography scans [0.0]
  肝腫瘍による肝疾患は、世界で最も一般的な理由の1つである。 多くの画像モダリティは、肝腫瘍を検出するための補助ツールとして使用できる。 腹部CTから肝を検出・分画する効率的な自動肝分画フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-28T19:02:39Z)
• A novel approach for the automated segmentation and volume quantification of cardiac fats on computed tomography [0.9786690381850356]
  本稿では,2種類の心臓脂肪の自律的分画と定量化のための統一的手法を提案する。 分節脂肪は心外および縦隔と呼ばれ、心膜によって互いに区別される。 提案手法は主に,所望のセグメンテーションを行うための登録アルゴリズムと分類アルゴリズムから構成される。
  論文  参考訳（メタデータ） (2021-12-21T17:38:06Z)
• Realistic Ultrasound Image Synthesis for Improved Classification of Liver Disease [54.69792905238048]
  超音波(US)データから肝疾患を分類するために、畳み込みニューラルネットワーク(CNN)が研究されている。 本稿では, 現実的な疾患と健康な肝臓画像合成のための新しいGANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-07-27T12:37:19Z)
• Large-scale inference of liver fat with neural networks on UK Biobank body MRI [1.3439502310822151]
  頸部から膝にかけてのMRIによる肝脂肪の自動推定のための新しい枠組みを提案する。 ResNet50は、これらのスキャンから2次元スライスとターゲットとしての基準値の回帰のために訓練された。 ネットワークは、脂肪分率値の非線形性を正し、基準値のいくつかの外れ値を特定することを学習した。
  論文  参考訳（メタデータ） (2020-06-30T13:33:30Z)
• 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。