論文の概要: EigenHearts: Cardiac Diseases Classification Using EigenFaces Approach
- arxiv url: http://arxiv.org/abs/2411.16227v1
- Date: Mon, 25 Nov 2024 09:41:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:22:11.220614
- Title: EigenHearts: Cardiac Diseases Classification Using EigenFaces Approach
- Title（参考訳）: EigenHearts:EigenFacesアプローチを用いた心臓疾患の分類
- Authors: Nourelhouda Groun, Maria Villalba-Orero, Lucia Casado-Martin, Enrique Lara-Pezzi, Eusebio Valero, Soledad Le Clainche, Jesus Garicano-Mena,
- Abstract要約: 心疾患の分類におけるEigenFacesアプローチの応用について検討した。
我々は、心エコー図法における固有顔アプローチから着想を得た前処理ステップを実行し、ポッドモードのセットを生成し、それを固有ハートと呼ぶ。
その結果,SVDを前処理に用いた場合,分類精度は約50%向上した。
- 参考スコア（独自算出の注目度）: 2.2851400085359685
- License:
- Abstract: In the realm of cardiovascular medicine, medical imaging plays a crucial role in accurately classifying cardiac diseases and making precise diagnoses. However, the field faces significant challenges when integrating data science techniques, as a significant volume of images is required for these techniques. As a consequence, it is necessary to investigate different avenues to overcome this challenge. In this contribution, we offer an innovative tool to conquer this limitation. In particular, we delve into the application of a well recognized method known as the EigenFaces approach to classify cardiac diseases. This approach was originally motivated for efficiently representing pictures of faces using principal component analysis, which provides a set of eigenvectors (aka eigenfaces), explaining the variation between face images. As this approach proven to be efficient for face recognition, it motivated us to explore its efficiency on more complicated data bases. In particular, we integrate this approach, with convolutional neural networks (CNNs) to classify echocardiography images taken from mice in five distinct cardiac conditions (healthy, diabetic cardiomyopathy, myocardial infarction, obesity and TAC hypertension). Performing a preprocessing step inspired from the eigenfaces approach on the echocardiography datasets, yields sets of pod modes, which we will call eigenhearts. To demonstrate the proposed approach, we compare two testcases: (i) supplying the CNN with the original images directly, (ii) supplying the CNN with images projected into the obtained pod modes. The results show a substantial and noteworthy enhancement when employing SVD for pre-processing, with classification accuracy increasing by approximately 50%.
- Abstract（参考訳）: 心臓血管医学の分野では、医療画像は心臓疾患を正確に分類し、正確な診断を行う上で重要な役割を担っている。
しかし、これらの技術には膨大な量の画像が必要であるため、データサイエンス技術を統合する際、この分野は重大な課題に直面している。
結果として,この課題を克服するためには,様々な方法を検討する必要がある。
このコントリビューションでは、この制限を克服するための革新的なツールを提供しています。
特に、心疾患を分類するためのEigenFacesアプローチとして知られる、よく知られた手法の適用について検討する。
このアプローチは、元来、主成分分析を用いて顔の画像の効率的な表現を動機付け、顔画像間の変動を説明する固有ベクトル(別名、固有顔)のセットを提供する。
このアプローチは顔認識に効率的であることが証明されたので、より複雑なデータベース上でその効率を探求する動機となった。
特に, 心疾患(健康, 糖尿病性心筋症, 心筋梗塞, 肥満, TAC高血圧症)において, マウスの心エコー像を分類するために, 畳み込みニューラルネットワーク(CNN)を併用した。
エコー心電図データセットの固有顔アプローチにインスパイアされた前処理ステップを実行し、ポッドモードのセットを生成します。
提案手法を実証するために,2つのテストケースを比較した。
(i)CNNに元の画像を直接供給すること。
(2)得られたポッドモードに投影された画像をCNNに供給する。
その結果,SVDを前処理に用いた場合,分類精度は約50%向上した。
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) - Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets [2.0286377328378737]
心臓病は、人間の機能不全の主な原因だ。WHOによると、心臓病のために毎年約1800万人が死亡している。
本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案する。
論文 参考訳（メタデータ） (2024-04-30T14:16:45Z) - Graph Convolutional Neural Networks for Automated Echocardiography View
Recognition: A Holistic Approach [0.586336038845426]
グラフ畳み込みによる3D心筋メッシュの学習について、同様の手法を用いて、自然な画像から3Dメッシュを学習する。
我々は,3次元メッシュから合成US画像を生成する。
この手法は合成画像に優れた性能をもたらし、合成データにのみ訓練されているにもかかわらず、臨床画像に適用された場合の可能性を既に示していた。
論文 参考訳（メタデータ） (2024-02-29T11:45:24Z) - Multi-scale, Data-driven and Anatomically Constrained Deep Learning
Image Registration for Adult and Fetal Echocardiography [4.923733944174007]
胎児と成人のエコーにおける深層学習画像登録のための3つの戦略を組み合わせた枠組みを提案する。
以上の結果から, 良好な解剖学的トポロジーと画像テクスチャは, 形状符号化およびデータ駆動型対向損失と強く結びついていることが判明した。
当社のアプローチは,光学フローやElastixなど,従来の非DLゴールド登録手法よりも優れています。
論文 参考訳（メタデータ） (2023-09-02T05:33:31Z) - GraVIS: Grouping Augmented Views from Independent Sources for
Dermatology Analysis [52.04899592688968]
皮膚科画像から自己教師付き特徴を学習するために特に最適化されたGraVISを提案する。
GraVISは、病変のセグメンテーションと疾患分類のタスクにおいて、転送学習と自己教師型学習を著しく上回っている。
論文 参考訳（メタデータ） (2023-01-11T11:38:37Z) - Generation of Artificial CT Images using Patch-based Conditional
Generative Adversarial Networks [0.0]
本稿では,条件付き判別器を用いた生成対向ネットワークを用いた画像生成手法を提案する。
心電図(CT)画像におけるGAN強調医用画像生成の可能性について検討した。
論文 参考訳（メタデータ） (2022-05-19T20:29:25Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - Cardiac Segmentation on CT Images through Shape-Aware Contour Attentions [1.212901554957637]
心臓臓器は複数のサブ構造(心室、心房、大動脈、動脈、静脈、心筋)から構成される。
これらの心筋サブ構造は互いに近縁であり、識別不能な境界を持つ。
形状と境界認識機能を利用する新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-05-27T13:54:59Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z)
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。