論文の概要: FeDETR: a Federated Approach for Stenosis Detection in Coronary Angiography

• arxiv url: http://arxiv.org/abs/2409.14268v1
• Date: Sat, 21 Sep 2024 23:52:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-06 23:26:16.310971
• Title: FeDETR: a Federated Approach for Stenosis Detection in Coronary Angiography
• Title（参考訳）: FeDETRによる冠動脈造影における狭窄検出
• Authors: Raffaele Mineo, Amelia Sorrenti, Federica Proietto Salanitri,
• Abstract要約: 冠動脈狭窄は心不全の根底にある因子である。 冠動脈病変の診断にはいくつかの欠点がある。 深層学習法は、FFR/iFR値の自動推定において、心臓科医を支援するために登場した。
• 参考スコア（独自算出の注目度）: 0.3823356975862007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Assessing the severity of stenoses in coronary angiography is critical to the patient's health, as coronary stenosis is an underlying factor in heart failure. Current practice for grading coronary lesions, i.e. fractional flow reserve (FFR) or instantaneous wave-free ratio (iFR), suffers from several drawbacks, including time, cost and invasiveness, alongside potential interobserver variability. In this context, some deep learning methods have emerged to assist cardiologists in automating the estimation of FFR/iFR values. Despite the effectiveness of these methods, their reliance on large datasets is challenging due to the distributed nature of sensitive medical data. Federated learning addresses this challenge by aggregating knowledge from multiple nodes to improve model generalization, while preserving data privacy. We propose the first federated detection transformer approach, FeDETR, to assess stenosis severity in angiography videos based on FFR/iFR values estimation. In our approach, each node trains a detection transformer (DETR) on its local dataset, with the central server federating the backbone part of the network. The proposed method is trained and evaluated on a dataset collected from five hospitals, consisting of 1001 angiographic examinations, and its performance is compared with state-of-the-art federated learning methods.
• Abstract（参考訳）: 冠動脈狭窄は心不全の原因となるため,冠動脈造影検査における狭窄の重症度を評価することが患者の健康に重要である。 冠状病変(例えば、分画流量予備(FFR)または瞬時波浪率(iFR))は、時間、コスト、侵襲性などいくつかの欠点に悩まされている。 この文脈では、FFR/iFR値の自動推定において、心臓科医を支援するための深層学習法がいくつか出現している。 これらの手法の有効性にもかかわらず、機密医療データの分散性のため、大規模なデータセットへの依存は困難である。 フェデレーション学習は、データのプライバシを保ちながら、モデルの一般化を改善するために、複数のノードからの知識を集約することで、この問題に対処する。 FFR/iFR値推定に基づく血管造影ビデオの狭窄重症度評価のためのフェデTR法を提案する。 提案手法では,各ノードがローカルデータセット上の検出変換器(DETR)をトレーニングし,中央サーバがネットワークのバックボーン部分をフェデレーションする。 提案手法は,1001の血管造影検査からなる5つの病院から収集したデータセットを用いて訓練,評価を行い,その性能を最先端のフェデレーション学習法と比較した。

関連論文リスト

• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• Feasibility Analysis of Federated Neural Networks for Explainable Detection of Atrial Fibrillation [1.6053176639259055]
  心房細動 (AFib) の早期発見は, 無症候性, 発作性に困難である。 本研究は、生のECGデータを用いてAFibを検出するために、フェデレートラーニング(FL)プラットフォーム上でニューラルネットワークをトレーニングする可能性を評価する。
  論文  参考訳（メタデータ） (2024-10-14T15:06:10Z)
• Estimation of FFR in coronary arteries with deep learning [0.0]
  Fractional Flow Reserve (FFR) は冠状動脈疾患(CAD)における重要なバイオマーカーである 近年、仮想FFR(vFFR)測定の新たなアプローチが出現している。 本稿では,入力容器形状を点雲として表現することで,vFFR推定の新しい手法を提案する。 本手法を臨床の観点から評価し,一般的に用いられているCFDの代替として有効であることを示す。
  論文  参考訳（メタデータ） (2024-04-06T12:24:02Z)
• Fusing Echocardiography Images and Medical Records for Continuous Patient Stratification [16.93115087698284]
  本研究は, 高血圧症と診断し難い連続体を用いて, 心血管系病理の表現を学習する手法を提案する。 提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。 これらの標準化されたマルチモーダルデータの表現は、その後トランスフォーマーエンコーダに送られ、臨床評価を予測するタスクを通じて患者の包括的表現にマージされる。 239人の高血圧患者のコホートでこの連続体に沿った主要な傾向を観察し、高血圧が様々な心機能記述因子に与える影響について、前例のない詳細を報告した。
  論文  参考訳（メタデータ） (2024-01-15T16:04:46Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Deep Learning-Based Prediction of Fractional Flow Reserve along the Coronary Artery [0.0]
  機能性冠状動脈疾患(CAD)は,冠状動脈のプラーク蓄積が原因である。 機能的に重要な狭窄の存在を確立するための現在の基準は、侵襲的分画流量予備(FFR)測定である。 冠動脈造影(CCTA)によるFFRの非侵襲的予測が出現した。 CCTAスキャンを用いて,動脈のFFRを予測する深層学習法を提案する。
  論文  参考訳（メタデータ） (2023-08-09T12:45:18Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• 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)
• Coherence Learning using Keypoint-based Pooling Network for Accurately Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
  膝関節症(英語: Knee osteoarthritis, OA)は、世界中の高齢者に影響を及ぼす一般的な変性関節疾患である。 現在臨床症状のある膝OAグレーティングシステムは観察対象であり、レイター間の相違に悩まされている。 本稿では,複合度と微粒度を同時に評価するためのコンピュータ支援型診断手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T19:59:13Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)

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。