Fugu-MT 論文翻訳(概要): End-to-end SYNTAX score prediction: benchmark and methods

論文の概要: End-to-end SYNTAX score prediction: benchmark and methods

arxiv url: http://arxiv.org/abs/2407.19894v1
Date: Mon, 29 Jul 2024 11:16:59 GMT
ステータス: 処理完了
システム内更新日: 2024-07-30 14:06:25.705493
Title: End-to-end SYNTAX score prediction: benchmark and methods
Title（参考訳）: エンドツーエンドSynTAXスコア予測:ベンチマークと方法
Authors: Alexander Ponomarchuk, Ivan Kruzhilov, Galina Zubkova, Artem Shadrin, Ruslan Utegenov, Ivan Bessonov, Pavel Blinov,
Abstract要約: SynTAXスコアは、冠動脈疾患の重症度を測る手段として広く用いられている。本稿では,冠動脈造影からSynTAXスコアを自動推定する医療レグレッションと分類問題を提案する。
参考スコア（独自算出の注目度）: 36.440495538328754
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The SYNTAX score has become a widely used measure of coronary disease severity , crucial in selecting the optimal mode of revascularization. This paper introduces a new medical regression and classification problem - automatically estimating SYNTAX score from coronary angiography. Our study presents a comprehensive dataset of 1,844 patients, featuring a balanced distribution of individuals with zero and non-zero scores. This dataset includes a first-of-its-kind, complete coronary angiography samples captured through a multi-view X-ray video, allowing one to observe coronary arteries from multiple perspectives. Furthermore, we present a novel, fully automatic end-to-end method for estimating the SYNTAX. For such a difficult task, we have achieved a solid coefficient of determination R2 of 0.51 in score predictions.
Abstract（参考訳）: SynTAXスコアは冠動脈疾患の重症度を測る指標として広く用いられている。本稿では,冠動脈造影からSynTAXスコアを自動推定する医療レグレッションと分類問題を提案する。本研究は,0得点と非0得点のバランスの取れた個人分布を特徴とする1,844人の包括的データセットを提示する。このデータセットには、マルチビューのX線ビデオから得られた冠状血管造影サンプルが含まれており、複数の視点から冠状動脈を観察することができる。さらに,SynTAXを推定する新しい完全自動エンドツーエンド手法を提案する。このような困難な課題に対して、スコア予測において、決定R2の絶対係数0.51を達成した。

関連論文リスト

Advanced Meta-Ensemble Machine Learning Models for Early and Accurate Sepsis Prediction to Improve Patient Outcomes [0.0]
本報告では, 全身性炎症性反応症候群, 早期警戒スコア, クイックシークエンシャル臓器不全評価など, 従来の敗血症スクリーニングツールの限界について検討する。本稿では,機械学習技術 - ランダムフォレスト, エクストリームグラディエントブースティング, 決定木モデル - を用いて, セプシスの発症を予測することを提案する。本研究は,これらのモデルについて,精度,精度,リコール,F1スコア,受信器動作特性曲線の下での領域といった重要な指標を用いて,個別かつ組み合わせたメタアンサンブルアプローチで評価する。
論文参考訳（メタデータ） (2024-07-11T00:51:32Z)
Multivessel Coronary Artery Segmentation and Stenosis Localisation using Ensemble Learning [3.656984996633334]
そこで本研究では,MICCAI 2023 Automatic Region-based Coronary Artery Disease(冠状動脈疾患自動診断)のためのエンド・ツー・エンドの機械学習ソリューションを提案する。 X線冠動脈造影による冠動脈分画および狭窄性病変の局在性評価の方法の標準化を目的としている。冠状動脈セグメンテーションでは平均F1スコアが37.69%、狭窄局所化では39.41%であった。
論文参考訳（メタデータ） (2023-10-27T08:03:12Z)
YOLO-Angio: An Algorithm for Coronary Anatomy Segmentation [13.603729336413833]
われわれは,MICCAI 2023におけるX線アンギオグラフィー画像(ARCADE)を用いた自動冠状動脈疾患診断への取り組みについて報告する。我々の3段階のアプローチは、従来のコンピュータビジョンによる前処理と特徴選択を組み合わせて、船体コントラストを強化する。最終セグメンテーションは、グラフベースのソート法で冠状樹を再構築する論理に基づくアプローチに基づいている。
論文参考訳（メタデータ） (2023-10-24T15:02:02Z)
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)
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)
A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
論文参考訳（メタデータ） (2022-11-01T14:12:58Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文参考訳（メタデータ） (2021-12-20T03:38:37Z)
Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文参考訳（メタデータ） (2021-04-07T06:02:04Z)
Automated Detection of Coronary Artery Stenosis in X-ray Angiography using Deep Neural Networks [0.0]
X線冠動脈造影画像からの狭窄検出を部分的に自動化する2段階のディープラーニングフレームワークを提案する。左/右冠動脈角ビューの分類作業において0.97の精度を達成し、LCAとRCAの関心領域の決定について0.68/0.73のリコールを行った。
論文参考訳（メタデータ） (2021-03-04T11:45:54Z)

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。