論文の概要: EXACT-CT: EXplainable Analysis for Crohn's and Tuberculosis using CT

• arxiv url: http://arxiv.org/abs/2503.00159v1
• Date: Fri, 28 Feb 2025 20:08:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:21:41.802528
• Title: EXACT-CT: EXplainable Analysis for Crohn's and Tuberculosis using CT
• Title（参考訳）: EXACT-CT : CTによるクローンおよび結核の特異な解析
• Authors: Shashwat Gupta, Sarthak Gupta, Akshan Agrawal, Mahim Naaz, Rajanikanth Yadav, Priyanka Bagade,
• Abstract要約: Crohn病と腸結核は、臨床、放射線学、内視鏡、組織学的特徴など多くの重複する特徴を持っている。 我々の研究は、3D CTEスキャン、コンピュータビジョン、機械学習を利用して、この区別を改善し、有害な治療ミス管理を避ける。
• 参考スコア（独自算出の注目度）: 6.146230417980112
• License:
• Abstract: Crohn's disease and intestinal tuberculosis share many overlapping features such as clinical, radiological, endoscopic, and histological features - particularly granulomas, making it challenging to clinically differentiate them. Our research leverages 3D CTE scans, computer vision, and machine learning to improve this differentiation to avoid harmful treatment mismanagement such as unnecessary anti-tuberculosis therapy for Crohn's disease or exacerbation of tuberculosis with immunosuppressants. Our study proposes a novel method to identify radiologist - identified biomarkers such as VF to SF ratio, necrosis, calcifications, comb sign and pulmonary TB to enhance accuracy. We demonstrate the effectiveness by using different ML techniques on the features extracted from these biomarkers, computing SHAP on XGBoost for understanding feature importance towards predictions, and comparing against SOTA methods such as pretrained ResNet and CTFoundation.
• Abstract（参考訳）: クローン病と腸結核は、臨床、放射線学、内視鏡、組織学的特徴など、多くの重複する特徴を共有しており、特に肉芽腫は臨床的に区別することが困難である。 本研究は3D CTEスキャン,コンピュータビジョン,機械学習を利用して,クローン病に対する不必要な抗結核療法や免疫抑制剤による結核の増悪などの有害な治療ミス管理を回避する。 本研究は, VF-SF比, 壊死, 石灰化, コームサイン, 肺TBなどのバイオマーカーを同定し, 精度を高める方法を提案する。 我々は,これらのバイオマーカーから抽出した特徴に対するML手法,XGBoost上のSHAP計算,予測に対する特徴の重要性の理解,事前学習されたResNetやCTFoundationなどのSOTA手法との比較により,その効果を実証する。

関連論文リスト

• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Detection of pulmonary pathologies using convolutional neural networks, Data Augmentation, ResNet50 and Vision Transformers [0.0]
  がん、肺炎、結核、線維症などの異なる肺疾患患者のX線画像とCTスキャンのデータセットを使用する。 医用画像から肺病変を検出するために、畳み込みニューラルネットワーク(CNN)、データ拡張、ResNet50、ビジョントランスフォーマー(ViT)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T13:54:28Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Improving Tuberculosis (TB) Prediction using Synthetically Generated Computed Tomography (CT) Images [0.17499351967216337]
  肺感染症はCT(Computed tomography)スキャンで診断され評価されることが多い。 異なるタイプの撮像方法であるX線は安価で、しばしばベッドサイドで利用でき、より広く利用することができるが、よりシンプルで2次元の画像を提供する。 我々は,X線画像からCT画像を生成することを学習するモデルに頼って,疾患の自動分類精度を向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-09-23T16:35:15Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
  ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。 本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
  論文  参考訳（メタデータ） (2020-06-28T19:55:34Z)
• AI-Driven CT-based quantification, staging and short-term outcome prediction of COVID-19 pneumonia [3.672093204122992]
  胸部CTはコロナウイルス感染症2019(COVID-19)肺炎の管理に広く用いられている。 CTは、新型コロナウイルス(COVID-19)肺の異常の程度を視覚的に評価することで予後に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-04-20T12:24:08Z)

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。