論文の概要: MeasureNet: Measurement Based Celiac Disease Identification

• arxiv url: http://arxiv.org/abs/2412.01182v1
• Date: Mon, 02 Dec 2024 06:40:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:45:22.935728
• Title: MeasureNet: Measurement Based Celiac Disease Identification
• Title（参考訳）: MeasurementeNet: Measurement based Celiac Disease Identification
• Authors: Aayush Kumar Tyagi, Vaibhav Mishra, Ashok Tiwari, Lalita Mehra, Prasenjit Das, Govind Makharia, Prathosh AP, Mausam,
• Abstract要約: セリアック病はグルテンの摂取によって引き起こされる自己免疫疾患である。 vili-to-crypt長比として算出されたvilli-crypt長の低下は,セリアック病の重症度を示している。 提案手法は,ポリラインの局在化と,測定タスクに特化して設計されたオブジェクト駆動損失を考慮した,病理駆動型ポリライン検出フレームワークである。
• 参考スコア（独自算出の注目度）: 19.955874477823528
• License:
• Abstract: Celiac disease is an autoimmune disorder triggered by the consumption of gluten. It causes damage to the villi, the finger-like projections in the small intestine that are responsible for nutrient absorption. Additionally, the crypts, which form the base of the villi, are also affected, impairing the regenerative process. The deterioration in villi length, computed as the villi-to-crypt length ratio, indicates the severity of celiac disease. However, manual measurement of villi-crypt length can be both time-consuming and susceptible to inter-observer variability, leading to inconsistencies in diagnosis. While some methods can perform measurement as a post-hoc process, they are prone to errors in the initial stages. This gap underscores the need for pathologically driven solutions that enhance measurement accuracy and reduce human error in celiac disease assessments. Our proposed method, MeasureNet, is a pathologically driven polyline detection framework incorporating polyline localization and object-driven losses specifically designed for measurement tasks. Furthermore, we leverage segmentation model to provide auxiliary guidance about crypt location when crypt are partially visible. To ensure that model is not overdependent on segmentation mask we enhance model robustness through a mask feature mixup technique. Additionally, we introduce a novel dataset for grading celiac disease, consisting of 750 annotated duodenum biopsy images. MeasureNet achieves an 82.66% classification accuracy for binary classification and 81% accuracy for multi-class grading of celiac disease. Code: https://github.com/dair-iitd/MeasureNet
• Abstract（参考訳）: セリアック病はグルテンの摂取によって引き起こされる自己免疫疾患である。 これは、栄養吸収の原因となる小腸の指のような突起であるヴィリに損傷を与える。 さらに、ヴィリの基部を形成するクリプトも影響を受け、再生過程を損なう。 vili-to-crypt長比として算出されたvilli長の低下は,セリアック病の重症度を示している。 しかし、Villi-crypt長の手動測定は、時間を要することと、サーバ間変動の影響を受けやすいことの両方があり、診断の不整合につながる。 ポストホックなプロセスとして測定を行う方法もあるが、初期段階ではエラーが発生する傾向がある。 このギャップは、セリアック病の評価において、測定精度を高め、ヒューマンエラーを低減する、病理学的に駆動されたソリューションの必要性を浮き彫りにする。 提案手法は,ポリラインの局在化と,測定タスクに特化して設計されたオブジェクト駆動損失を考慮した,病理駆動型ポリライン検出フレームワークである。 さらに,セグメンテーションモデルを利用して,暗号化が部分的に可視である場合に,暗号化位置に関する補助的なガイダンスを提供する。 セグメンテーションマスクにモデルが過度に依存しないことを保証するため,マスク特徴混成技術によりモデルロバスト性を高める。 さらに,750点の十二指腸生検画像から得られたセリアック病の診断データセットも紹介した。 MeasureNetは、バイナリ分類のための82.66%の分類精度と、セリアック病のマルチクラスグレーディングのための81%の精度を達成している。 コード:https://github.com/dair-iitd/MeasureNet

関連論文リスト

• Deep Bayesian segmentation for colon polyps: Well-calibrated predictions in medical imaging [0.0]
  我々は,さまざまなベイズニューラルネットワークを用いて,大腸ポリプ画像のセマンティックセグメンテーションを開発する。 その結果、これらのモデルが、この医療データセットのセグメンテーションにおける最先端のパフォーマンスを提供するだけでなく、正確な不確実性の推定値が得られることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T16:13:27Z)
• Detection of Peri-Pancreatic Edema using Deep Learning and Radiomics Techniques [3.6663216419047964]
  本研究は,膵疾患255例から得られた新しいCTデータセットをテクスタイピングし,アノテート膵セグメンテーションマスクとそれに対応する膵周囲浮腫の診断ラベルを特徴とする。 我々はまず,リニアトランスフォーマーに基づくセグメント化アルゴリズムであるtextitLinTransUNet モデルの有効性を評価し,CT画像データから膵臓を正確に分割する。 次に,2つの独特の機械学習分類器を持つ分節膵領域を用いて,深部膵浮腫の存在を同定する:深部膵浮腫モデルと放射線治療ベースのeXtreme Gradient Boosting (XGBoost)。
  論文  参考訳（メタデータ） (2024-04-25T22:20:17Z)
• Uncertainty-driven and Adversarial Calibration Learning for Epicardial Adipose Tissue Segmentation [12.748840107754337]
  心膜脂肪組織(EAT)は、大量のアディポカインを分泌し心筋や冠動脈に影響を及ぼすことのできる内臓脂肪の一種である。 より正確なEATボリューム推定のためのセグメンテーションを強化するために,不確実性駆動・対角校正学習を備えた新しい特徴量空間多レベル監視ネットワーク(SPDNet)を提案する。
  論文  参考訳（メタデータ） (2024-02-22T07:39:41Z)
• CodaMal: Contrastive Domain Adaptation for Malaria Detection in Low-Cost Microscopes [51.5625352379093]
  マラリアは世界中で大きな問題であり、診断には低コストの顕微鏡(LCM)で効果的に動作するスケーラブルなソリューションが必要である。 ディープラーニングに基づく手法は、顕微鏡画像からコンピュータ支援による診断に成功している。 これらの方法には、マラリア原虫の感染した細胞とその生活段階を示す注釈画像が必要である。 LCMからの注記画像は、高精細顕微鏡(HCM)からの注記画像と比較して医療専門家の負担を著しく増大させる
  論文  参考訳（メタデータ） (2024-02-16T06:57:03Z)
• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Minimizing false negative rate in melanoma detection and providing insight into the causes of classification [0.5621251909851629]
  私たちの目標は、メラノーマ検出で人間とマシンインテリジェンスを橋渡しすることです。 我々は,視覚前処理,深層学習,アンサンブルを組み合わせた分類システムを開発し,専門家に説明を提供する。
  論文  参考訳（メタデータ） (2021-02-18T07:46:34Z)
• Leaf Image-based Plant Disease Identification using Color and Texture Features [0.1657441317977376]
  自己収集されたデータセットの精度は、病気の識別に82.47%、健康と疾患の分類に91.40%である。 このプロトタイプシステムは、より多くの病種を追加したり、特定の作物や病種をターゲットにすることで拡張することができる。
  論文  参考訳（メタデータ） (2021-02-08T20:32:56Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)

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。