論文の概要: Automated Segmentation of Ischemic Stroke Lesions in Non-Contrast Computed Tomography Images for Enhanced Treatment and Prognosis
- arxiv url: http://arxiv.org/abs/2411.09402v1
- Date: Thu, 14 Nov 2024 12:27:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-15 15:24:47.792199
- Title: Automated Segmentation of Ischemic Stroke Lesions in Non-Contrast Computed Tomography Images for Enhanced Treatment and Prognosis
- Title（参考訳）: 非コントラストCT画像における虚血性脳卒中病変の自動切除による治療と予後の改善
- Authors: Toufiq Musah, Prince Ebenezer Adjei, Kojo Obed Otoo,
- Abstract要約: NCCTにおける虚血性脳梗塞領域の自動抽出法について, nnU-Net フレームワークを用いて検討した。
我々はサンプルデータセットでDiceスコア0.596とIntersection over Union (IoU)スコア0.501を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Stroke is the second leading cause of death worldwide, and is increasingly prevalent in low- and middle-income countries (LMICs). Timely interventions can significantly influence stroke survivability and the quality of life after treatment. However, the standard and most widely available imaging method for confirming strokes and their sub-types, the NCCT, is more challenging and time-consuming to employ in cases of ischemic stroke. For this reason, we developed an automated method for ischemic stroke lesion segmentation in NCCTs using the nnU-Net frame work, aimed at enhancing early treatment and improving the prognosis of ischemic stroke patients. We achieved Dice scores of 0.596 and Intersection over Union (IoU) scores of 0.501 on the sampled dataset. After adjusting for outliers, these scores improved to 0.752 for the Dice score and 0.643 for the IoU. Proper delineation of the region of infarction can help clinicians better assess the potential impact of the infarction, and guide treatment procedures.
- Abstract（参考訳）: ストロークは世界第2位の死因であり、低所得国や中所得国(LMIC)でますます流行している。
時間的介入は、治療後の脳卒中生存可能性や生活の質に大きな影響を及ぼす可能性がある。
しかし,脳卒中やそのサブタイプであるNCCTの診断は,虚血性脳卒中の場合よりも困難で時間を要する。
そこで我々は, NCCTにおける早期治療の改善と虚血性脳梗塞患者の予後改善を目的とした, nnU-Net フレームワークを用いた虚血性脳梗塞の分節自動抽出法を開発した。
我々はサンプルデータセットでDiceスコア0.596とIntersection over Union (IoU)スコア0.501を達成した。
外れ値の調整後、これらのスコアはDiceスコアが0.752、IoUスコアが0.643に改善された。
梗塞領域の適切なデライン化は、臨床医が梗塞の潜在的な影響をよりよく評価し、治療手順をガイドするのに役立ちます。
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) - Improved Esophageal Varices Assessment from Non-Contrast CT Scans [15.648325577912608]
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。
論文 参考訳（メタデータ） (2024-07-18T06:49:10Z) - A Fully Automated Pipeline Using Swin Transformers for Deep
Learning-Based Blood Segmentation on Head CT Scans After Aneurysmal
Subarachnoid Hemorrhage [0.0]
我々は,自発性くも膜下出血(SAH)患者に対して,人工知能による完全自動血液分画ツールを開発し,その妥当性を検証した。
神経節下出血(aSAH)と診断された症例のNCCTスキャンをSwin UNETRを用いて経時的に解析した。
論文 参考訳（メタデータ） (2023-12-29T10:57:51Z) - 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) - TranSOP: Transformer-based Multimodal Classification for Stroke
Treatment Outcome Prediction [2.358784542343728]
本稿では,臨床メタデータと画像情報を利用した分類手法として,トランスフォーマーベースのマルチモーダルネットワーク(TranSOP)を提案する。
これには3D非造影CT(non-contrast Computed tomography)の特徴と臨床情報を効率的に組み合わせる融合モジュールが含まれる。
単モーダルおよびマルチモーダルデータを用いた比較実験では、最先端のAUCスコアが0.85である。
論文 参考訳（メタデータ） (2023-01-25T21:05:10Z) - MAPPING: Model Average with Post-processing for Stroke Lesion
Segmentation [57.336056469276585]
我々は nnU-Net フレームワークに基づく脳卒中病変のセグメンテーションモデルを提案し, ストローク後の解剖学的トレースに応用する。
本手法は,2022年のMICCAI ATLAS Challengeにおいて,平均Diceスコアが0.6667,Lesion-wise F1スコアが0.5643,Simple Lesion Countスコアが4.5367,Volume differenceスコアが8804.9102であった。
論文 参考訳（メタデータ） (2022-11-11T14:17:04Z) - 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) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - A new approach to extracting coronary arteries and detecting stenosis in
invasive coronary angiograms [9.733630514873376]
我々は,ICAから冠状動脈を抽出する深層学習による自動アルゴリズムの開発を目指している。
本研究では, マルチインプットとマルチスケール(MIMS)のU-Netを2段階の繰り返し訓練戦略として提案した。
実験の結果,提案手法は平均diceスコア 0.8329, 平均感度 0.8281, 平均特異度 0.9979 となり, 73例から294 icasを得た。
論文 参考訳（メタデータ） (2021-01-25T01:48:27Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z) - A comparative study of 2D image segmentation algorithms for traumatic
brain lesions using CT data from the ProTECTIII multicenter clinical trial [0.0]
外傷性脳損傷(TBI)後に発見された出血性病変の表現型について検討した。
内皮内出血(IPH)、硬膜下血腫(SDH)、硬膜外血腫(EDH)、外傷性腸重積などがある。
Focal Tversky Loss Functionを用いたUNet++ 2D Architectureを用いて,最適Dice Coefficient1スコア0.94を達成することができた。
また, 軸外出血例と外傷例のDice Coefficientスコア0.90と0.86をそれぞれ達成できた。
論文 参考訳（メタデータ） (2020-06-01T21:00:20Z)
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。