論文の概要: Deep generative computed perfusion-deficit mapping of ischaemic stroke

• arxiv url: http://arxiv.org/abs/2502.01334v1
• Date: Mon, 03 Feb 2025 13:14:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:53:08.690027
• Title: Deep generative computed perfusion-deficit mapping of ischaemic stroke
• Title（参考訳）: 虚血性脳梗塞の深部CT像
• Authors: Chayanin Tangwiriyasakul, Pedro Borges, Guilherme Pombo, Stefano Moriconi, Michael S. Elmalem, Paul Wright, Yee-Haur Mah, Jane Rondina, Robert Gray, Sebastien Ourselin, Parashkev Nachev, M. Jorge Cardoso,
• Abstract要約: 虚血性脳梗塞における骨欠損は、臨界血管閉塞の下流への灌流障害によるものである。 破壊された灌流の根底にあるパターンは、病変の上流に情報をもたらし、早期の予測および局所的なシグナルをもたらす可能性がある。 急性虚血性脳梗塞患者1,393人の心電図解析 深部発生推論は、前インターベンショナルウィンドウ内の虚血性脳卒中における機能的解剖学的関係の高発現モデルに有効である。
• 参考スコア（独自算出の注目度）: 1.097320368843718
• License:
• Abstract: Focal deficits in ischaemic stroke result from impaired perfusion downstream of a critical vascular occlusion. While parenchymal lesions are traditionally used to predict clinical deficits, the underlying pattern of disrupted perfusion provides information upstream of the lesion, potentially yielding earlier predictive and localizing signals. Such perfusion maps can be derived from routine CT angiography (CTA) widely deployed in clinical practice. Analysing computed perfusion maps from 1,393 CTA-imaged-patients with acute ischaemic stroke, we use deep generative inference to localise neural substrates of NIHSS sub-scores. We show that our approach replicates known lesion-deficit relations without knowledge of the lesion itself and reveals novel neural dependents. The high achieved anatomical fidelity suggests acute CTA-derived computed perfusion maps may be of substantial clinical-and-scientific value in rich phenotyping of acute stroke. Using only hyperacute imaging, deep generative inference could power highly expressive models of functional anatomical relations in ischaemic stroke within the pre-interventional window.
• Abstract（参考訳）: 虚血性脳梗塞における骨欠損は、臨界血管閉塞の下流への灌流障害によるものである。 頭頂部病変は伝統的に臨床疾患の予測に用いられているが、破壊された灌流の根本パターンは病変の上流に情報を提供し、早期の予測的および局所的なシグナルをもたらす可能性がある。 このような灌流マップは、臨床で広くデプロイされている定期的なCT血管造影(CTA)から得られる。 急性虚血性脳梗塞患者1,393名から算出した灌流図を用いて, NIHSSサブスコアの神経基質の局在を推定した。 本手法は病変自体を知らずに既知の病変-欠損関係を再現し,新しい神経依存症を呈することを示す。 高い解剖学的忠実度は,急性脳梗塞の表現型化において,急性CTA由来のコンピュータ灌流図が有意な臨床的および科学的価値を持っていることを示唆している。 超急性画像のみを用いて、深部生成推論は、インターベンショナルウィンドウ内の虚血性脳梗塞における機能的解剖学的関係の高発現モデルを動かすことができる。

関連論文リスト

• Quantitative perfusion maps using a novelty spatiotemporal convolutional neural network [13.188103532542797]
  本研究では,空間的・時間的情報を考慮した拡散パラメータ推定ネットワークを提案する。 その結果,脳血流量 (CBV), 脳血流量 (CBF), 残存機能 (Tmax) などの灌流パラメータを正確に推定できることが示唆された。 提案したモデルは、商用のゴールドスタンダードソフトウェアの性能に近づき、時間効率も維持する。
  論文  参考訳（メタデータ） (2023-12-08T09:22:25Z)
• Deep Variational Lesion-Deficit Mapping [0.3914676152740142]
  本稿では,病変欠損モデル比較のための包括的枠組みを提案する。 また,本モデルでは,すべてのシミュレーションシナリオにおいて,確立された手法よりもかなり優れていることを示す。 我々の分析は、このアプローチの広く採用されていることを正当化する。
  論文  参考訳（メタデータ） (2023-05-27T13:49:35Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Estimating Cardiac Tissue Conductivity from Electrograms with Fully Convolutional Networks [0.0]
  心房細動(Atrial Fibrillation, AAF)は、心房の電気的不整脈を特徴とする。 AFの有効治療には、心筋の有効伝導率の推定と異常増殖領域の同定が不可欠である。
  論文  参考訳（メタデータ） (2022-12-06T14:37:59Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Evaluation of Interpretability for Deep Learning algorithms in EEG Emotion Recognition: A case study in Autism [4.752074022068791]
  説明可能な人工知能(XAI)に関する現在のモデルでは、特徴関連性を測定するための信頼性の欠如が明らかで定量化されている。 この研究は、脳波に基づく顔の感情認識を成功させるために、より透明な特徴関連計算を統合する最初のものである。
  論文  参考訳（メタデータ） (2021-11-25T18:28:29Z)
• 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)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Geometric Uncertainty in Patient-Specific Cardiovascular Modeling with Convolutional Dropout Networks [0.0]
  患者固有の心血管モデルの条件分布からサンプルを生成する新しい手法を提案する。 提案手法で導入された主な革新は、トレーニングデータから直接幾何的不確実性を学ぶ能力である。
  論文  参考訳（メタデータ） (2020-09-16T00:13:12Z)
• Simultaneous Skull Conductivity and Focal Source Imaging from EEG Recordings with the help of Bayesian Uncertainty Modelling [77.34726150561087]
  本研究では,未知の頭蓋骨伝導率によるソース画像誤差を補正するベイズ近似誤差法に基づく統計的手法を提案する。 その結果, 震源位置推定精度と頭蓋骨伝導率の推定精度が向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-01-31T21:33:56Z)

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。