Fugu-MT 論文翻訳(概要): Assessing Cardiomegaly in Dogs Using a Simple CNN Model

論文の概要: Assessing Cardiomegaly in Dogs Using a Simple CNN Model

arxiv url: http://arxiv.org/abs/2407.06092v1
Date: Mon, 8 Jul 2024 16:31:49 GMT
ステータス: 処理完了
システム内更新日: 2024-07-09 14:51:28.490859
Title: Assessing Cardiomegaly in Dogs Using a Simple CNN Model
Title（参考訳）: 簡易CNNモデルを用いた犬の心肥大評価
Authors: Nikhil Deekonda,
Abstract要約: 本稿では、1400のトレーニング、200のバリデーション、400のテストイメージからなるデータセットであるDogHeartを紹介し、VHSスコアに基づいて、小さく、正常で、大きく分類した。独自のCNNモデルが開発され、4つの畳み込みレイヤと4つの完全に接続されたレイヤを備えた、直接的なアーキテクチャを備えている。データ拡張がないにもかかわらず、このモデルは72%の精度で心筋の重症度を分類する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces DogHeart, a dataset comprising 1400 training, 200 validation, and 400 test images categorized as small, normal, and large based on VHS score. A custom CNN model is developed, featuring a straightforward architecture with 4 convolutional layers and 4 fully connected layers. Despite the absence of data augmentation, the model achieves a 72\% accuracy in classifying cardiomegaly severity. The study contributes to automated assessment of cardiac conditions in dogs, highlighting the potential for early detection and intervention in veterinary care.
Abstract（参考訳）: 本稿では、1400のトレーニング、200のバリデーション、400のテストイメージからなるデータセットであるDogHeartを紹介し、VHSスコアに基づいて、小さく、正常で、大きく分類した。独自のCNNモデルが開発され、4つの畳み込みレイヤと4つの完全に接続されたレイヤを備えた、直接的なアーキテクチャを備えている。データ拡張の欠如にもかかわらず、このモデルは72%の精度で心臓大網の重症度を分類する。この研究は、犬の心臓状態の自動評価に寄与し、早期発見と獣医学の介入の可能性を強調している。

関連論文リスト

Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
論文参考訳（メタデータ） (2024-08-27T12:55:54Z)
Neural network-based coronary dominance classification of RCA angiograms [0.3177496877224142]
右冠状動脈 (RCA) 血管造影による心臓支配の分類法を提案する。対象は828例で,その内192例が左支配症例であった。 RCAのみに基づく心臓支配を分類するための機械学習アプローチの使用は、良好な精度で成功していることが示されている。
論文参考訳（メタデータ） (2023-09-13T13:47:52Z)
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)
Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
論文参考訳（メタデータ） (2022-07-23T19:17:26Z)
An Efficient End-to-End Deep Neural Network for Interstitial Lung Disease Recognition and Classification [0.5424799109837065]
本稿では、IDDパターンを分類するためのエンドツーエンドのディープ畳み込みニューラルネットワーク(CNN)を提案する。提案モデルでは,カーネルサイズが異なる4つの畳み込み層と,Rectified Linear Unit (ReLU) アクティベーション機能を備える。 128のCTスキャンと5つのクラスからなる21328の画像パッチからなるデータセットを用いて、提案モデルのトレーニングと評価を行う。
論文参考訳（メタデータ） (2022-04-21T06:36:10Z)
A self-supervised learning strategy for postoperative brain cavity segmentation simulating resections [46.414990784180546]
畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。 CNNはトレーニングに大量の注釈付きデータセットを必要とする。自己教師型学習戦略は、トレーニングにラベルのないデータを活用することができる。
論文参考訳（メタデータ） (2021-05-24T12:27:06Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
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)
Graph convolutional regression of cardiac depolarization from sparse endocardial maps [7.3878346797632535]
本稿では,グラフ畳み込みニューラルネットワークを用いた新しい深層学習手法を提案する。提案手法は, 合成データに基づいて学習し, 実データに一般化することができる。
論文参考訳（メタデータ） (2020-09-28T09:21:14Z)
Fully Automated Myocardial Strain Estimation from CMR Tagged Images using a Deep Learning Framework in the UK Biobank [0.33271859484894845]
本研究の目的は,短軸磁気共鳴タグ画像から心筋のひずみを推定するために,完全自動ディープラーニングフレームワークの有効性と性能を実証することである。この枠組みは、糖尿病、高血圧症、および以前の心臓発作の患者において、周囲のひずみを著しく減少させた。
論文参考訳（メタデータ） (2020-04-15T12:49:15Z)

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。