Fugu-MT 論文翻訳(概要): Improved Esophageal Varices Assessment from Non-Contrast CT Scans

論文の概要: Improved Esophageal Varices Assessment from Non-Contrast CT Scans

arxiv url: http://arxiv.org/abs/2407.13210v1
Date: Thu, 18 Jul 2024 06:49:10 GMT
ステータス: 処理完了
システム内更新日: 2024-07-19 16:32:17.855336
Title: Improved Esophageal Varices Assessment from Non-Contrast CT Scans
Title（参考訳）: 非造影CTによる食道静脈瘤の評価
Authors: Chunli Li, Xiaoming Zhang, Yuan Gao, Xiaoli Yin, Le Lu, Ling Zhang, Ke Yan, Yu Shi,
Abstract要約: 食道静脈瘤(EV)は門脈圧亢進による重篤な健康上の問題である。非造影CT(non-contrast Computed Tomography, NC-CT)は, 安価で非侵襲的な画像モダリティであるにもかかわらず, EV評価のための主要な臨床診断ツールとして完全には受け入れられていない。我々は,NC-CTスキャンにおける重要な臓器機能の解析を改良し,EVを効果的に評価するMulti-Organ-cOhesion-Network(MOON)を提案する。
参考スコア（独自算出の注目度）: 15.648325577912608
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Esophageal varices (EV), a serious health concern resulting from portal hypertension, are traditionally diagnosed through invasive endoscopic procedures. Despite non-contrast computed tomography (NC-CT) imaging being a less expensive and non-invasive imaging modality, it has yet to gain full acceptance as a primary clinical diagnostic tool for EV evaluation. To overcome existing diagnostic challenges, we present the Multi-Organ-cOhesion-Network (MOON), a novel framework enhancing the analysis of critical organ features in NC-CT scans for effective assessment of EV. Drawing inspiration from the thorough assessment practices of radiologists, MOON establishes a cohesive multiorgan analysis model that unifies the imaging features of the related organs of EV, namely esophagus, liver, and spleen. This integration significantly increases the diagnostic accuracy for EV. We have compiled an extensive NC-CT dataset of 1,255 patients diagnosed with EV, spanning three grades of severity. Each case is corroborated by endoscopic diagnostic results. The efficacy of MOON has been substantiated through a validation process involving multi-fold cross-validation on 1,010 cases and an independent test on 245 cases, exhibiting superior diagnostic performance compared to methods focusing solely on the esophagus (for classifying severe grade: AUC of 0.864 versus 0.803, and for moderate to severe grades: AUC of 0.832 versus 0.793). To our knowledge, MOON is the first work to incorporate a synchronized multi-organ NC-CT analysis for EV assessment, providing a more acceptable and minimally invasive alternative for patients compared to traditional endoscopy.
Abstract（参考訳）: 門脈圧亢進による重篤な健康上の問題である食道静脈瘤(EV)は、伝統的に侵襲的内視鏡的処置によって診断される。非造影CT(non-contrast Computed Tomography, NC-CT)は, 安価で非侵襲的な画像モダリティであるにもかかわらず, EV評価のための主要な臨床診断ツールとして完全には受け入れられていない。既存の診断課題を克服するために,NC-CTスキャンにおける重要な臓器機能の解析を改良し,EVを効果的に評価するMulti-Organ-cOhesion-Network(MOON)を提案する。放射線技師の徹底的な評価から着想を得たMOONは、EVの関連臓器、すなわち食道、肝臓、脾臓のイメージング特徴を統一する凝集性多臓器分析モデルを確立する。この統合により、EVの診断精度が大幅に向上する。我々は,EVと診断された1,255人のNC-CTデータセットを3グレードの重症度で収集した。それぞれの症例は内視鏡的診断の結果と相関する。 MOONの有効性は1010件のクロスバリデーションと245件の独立した検査を含む検証プロセスを通じて裏付けられ、食道のみに焦点を当てた方法(重度グレード:AUC 0.864 vs 0.803、中等度から重度グレード:AUC 0.832 vs 0.793)に比べて優れた診断性能を示した。我々の知る限り、MOONは、EV評価のための同期多臓器NC-CT分析を取り入れた最初の研究であり、従来の内視鏡検査と比較して、患者に対してより受け入れられ、最小限に侵襲的な代替手段を提供する。

関連論文リスト

Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文参考訳（メタデータ） (2024-10-18T12:37:51Z)
DeepVox and SAVE-CT: a contrast- and dose-independent 3D deep learning approach for thoracic aorta segmentation and aneurysm prediction using computed tomography scans [2.3135717943756307]
胸部大動脈瘤(英: Thoracic aortic aneurysm,TAA)は、大動脈の進行拡大による解離や破裂を引き起こす致命的な疾患である。その他の指標は、このスクリーニングに役立つが、コントラスト増強や低用量プロトコールを伴わずに取得すれば、臨床評価が困難になる可能性がある。本研究は, 対照群とTAA患者を含む587種類のCTスキャンを, コントラスト増強の有無にかかわらず低線量および標準線量プロトコールで取得した。新たなセグメンテーションモデルであるDeepVoxは,開発およびテストセットに対してそれぞれ0.932と0.897のダイススコア係数を示した。
論文参考訳（メタデータ） (2023-10-23T19:48:58Z)
Virtual imaging trials improved the transparency and reliability of AI systems in COVID-19 imaging [1.6040478776985583]
本研究は、CTと胸部X線撮影(CXR)を用いた新型コロナウイルス診断における畳み込みニューラルネットワーク(CNN)の使用に焦点を当てる。複数のAIモデル、すなわち3D ResNet-likeと2D EfficientNetv2アーキテクチャを開発し、テストした。最も多様なデータセットでトレーニングされたモデルでは、AUCがCTで0.73から0.76、CXRで0.70から0.73まで、最高の外部テスト性能を示した。
論文参考訳（メタデータ） (2023-08-17T19:12:32Z)
HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic Joint Infection Diagnosis Using CT Images and Text [0.0]
補綴関節感染症(PJI)は重篤な合併症である。現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
論文参考訳（メタデータ） (2023-05-29T11:25:57Z)
Longitudinal Multimodal Transformer Integrating Imaging and Latent Clinical Signatures From Routine EHRs for Pulmonary Nodule Classification [4.002181247287472]
単発性肺結節(SPN)分類におけるERHからの経時的臨床所見とリピート画像を統合するためのトランスフォーマーベースのマルチモーダル戦略を提案する。臨床症状の非観血的非観血的切り離しを行ない, 時間依存性の自己注意を利用して, 臨床症状の表現と胸部CTスキャンから共同学習を行った。
論文参考訳（メタデータ） (2023-04-06T03:03:07Z)
Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。診断成績は臨床医の成績と比較した。臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文参考訳（メタデータ） (2023-02-02T08:45:17Z)
Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文参考訳（メタデータ） (2021-11-18T00:43:41Z)
Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文参考訳（メタデータ） (2021-08-21T16:15:40Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。

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。