論文の概要: IntelliCardiac: An Intelligent Platform for Cardiac Image Segmentation and Classification
- arxiv url: http://arxiv.org/abs/2505.03838v2
- Date: Thu, 08 May 2025 01:21:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 13:13:47.821904
- Title: IntelliCardiac: An Intelligent Platform for Cardiac Image Segmentation and Classification
- Title（参考訳）: IntelliCardiac: 心臓画像のセグメンテーションと分類のためのインテリジェントプラットフォーム
- Authors: Ting Yu Tsai, An Yu, Meghana Spurthi Maadugundu, Ishrat Jahan Mohima, Umme Habiba Barsha, Mei-Hwa F. Chen, Balakrishnan Prabhakaran, Ming-Ching Chang,
- Abstract要約: 我々は4次元心臓画像の自動分割と疾患分類のためのWebベースのプラットフォームであるIntelliCardiacを紹介した。
IntelliCardiacは、パブリックアクセス可能なACDCデータセットに基づいてトレーニングされたAIモデルを使用して、重要な心臓構造を特定し、心臓疾患を分類する。
本システムは, 右心室, 左心室および心筋を解析し, 患者の心像を5つの診断カテゴリーに分類する。
- 参考スコア（独自算出の注目度）: 8.793377489331466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise and effective processing of cardiac imaging data is critical for the identification and management of the cardiovascular diseases. We introduce IntelliCardiac, a comprehensive, web-based medical image processing platform for the automatic segmentation of 4D cardiac images and disease classification, utilizing an AI model trained on the publicly accessible ACDC dataset. The system, intended for patients, cardiologists, and healthcare professionals, offers an intuitive interface and uses deep learning models to identify essential heart structures and categorize cardiac diseases. The system supports analysis of both the right and left ventricles as well as myocardium, and then classifies patient's cardiac images into five diagnostic categories: dilated cardiomyopathy, myocardial infarction, hypertrophic cardiomyopathy, right ventricular abnormality, and no disease. IntelliCardiac combines a deep learning-based segmentation model with a two-step classification pipeline. The segmentation module gains an overall accuracy of 92.6%. The classification module, trained on characteristics taken from segmented heart structures, achieves 98% accuracy in five categories. These results exceed the performance of the existing state-of-the-art methods that integrate both segmentation and classification models. IntelliCardiac, which supports real-time visualization, workflow integration, and AI-assisted diagnostics, has great potential as a scalable, accurate tool for clinical decision assistance in cardiac imaging and diagnosis.
- Abstract（参考訳）: 心臓画像データの正確かつ効果的な処理は、心臓血管疾患の同定と管理に重要である。
我々は、4D心筋画像の自動分割と疾患分類のための包括的Webベースの医療画像処理プラットフォームであるIntelliCardiacを紹介し、ACDCデータセットでトレーニングされたAIモデルを活用する。
このシステムは、患者、心臓科医、医療専門家を対象とし、直感的なインターフェースを提供し、ディープラーニングモデルを使用して心臓構造を特定し、心臓病を分類する。
このシステムは、右心室と心筋の両方の分析をサポートし、患者の心臓画像を拡張型心筋症、心筋梗塞、肥大型心筋症、右室異常、疾患の5つの診断カテゴリに分類する。
IntelliCardiacはディープラーニングベースのセグメンテーションモデルと2ステップの分類パイプラインを組み合わせる。
セグメンテーションモジュールの全体的な精度は92.6%である。
この分類モジュールは、セグメンテーションされた心臓構造から得られる特徴に基づいて訓練され、5つのカテゴリで98%の精度を達成している。
これらの結果は、セグメント化と分類モデルの両方を統合する既存の最先端手法の性能を上回る。
IntelliCardiacは、リアルタイムの可視化、ワークフローの統合、AIによる診断をサポートする。
関連論文リスト
- Innovative Integration of 4D Cardiovascular Reconstruction and Hologram: A New Visualization Tool for Coronary Artery Bypass Grafting Planning [33.92599418560439]
本研究の目的は,術前冠動脈バイパス術(CABG)計画のための動的心血管可視化ツールの開発と評価である。
このツールは、患者固有のデータから臨床的に関連するダイナミックホログラムを生成し、臨床フィードバックにより、術前計画の有効性を確認する。
論文 参考訳（メタデータ） (2025-04-28T00:56:06Z) - Cardiac MRI Semantic Segmentation for Ventricles and Myocardium using Deep Learning [0.0]
非侵襲的心臓診断は、心疾患の早期発見において重要な役割を担っている。
心臓画像のセマンティックセグメンテーションを改善するためのモデルを提案する。
論文 参考訳（メタデータ） (2025-04-18T00:54:30Z) - CACTUS: An Open Dataset and Framework for Automated Cardiac Assessment and Classification of Ultrasound Images Using Deep Transfer Learning [14.284404065445012]
本稿では,2つの主要コンポーネントからなるディープラーニング(DL)フレームワークを紹介する。
第1成分は、畳み込みニューラルネットワーク(CNN)を用いた心臓のUS画像の分類である。
第2のコンポーネントは、Transfer Learning(TL)を使用して、第1のコンポーネントから知識を微調整し、心臓画像のグレードと評価のためのモデルを作成する。
論文 参考訳（メタデータ） (2025-03-07T17:29:04Z) - Multi-Stage Segmentation and Cascade Classification Methods for Improving Cardiac MRI Analysis [15.236546465767026]
心磁気共鳴画像のセグメンテーションと分類における深層学習に基づく新しいアプローチを提案する。
その結果,左心室では0.974,右心室では0.947のDice係数が得られた。
分類には,肥大型心筋症,心筋梗塞,拡張型心筋症などの心疾患を識別するために,深層学習分類器のカスケードが用いられた。
論文 参考訳（メタデータ） (2024-12-12T15:53:14Z) - Automatic diagnosis of cardiac magnetic resonance images based on semi-supervised learning [4.568207745795955]
本稿では,心臓画像の自動分割と補助診断のための半教師付きモデルを提案する。
このモデルは、心臓画像の完全自動化された高精度セグメンテーション、特徴抽出、臨床指標の計算、疾患の予測を実現する。
論文 参考訳（メタデータ） (2024-05-23T08:21:03Z) - Spatiotemporal Disentanglement of Arteriovenous Malformations in Digital
Subtraction Angiography [37.44819725897024]
本提案手法は, 船舶の自動分類による臨界情報を強調することにより, デジタルサブトラクション血管造影(DSA)画像シリーズを向上することを目的としている。
本法は, 臨床用DSA画像シリーズを用いて検討し, 動脈と静脈の効率的な鑑別を実証した。
論文 参考訳（メタデータ） (2024-02-15T00:29:53Z) - A Generalizable Deep Learning System for Cardiac MRI [29.429744474335347]
本稿では,ヒト心血管疾患と健康の広さを表現できる心臓MRIの基礎的ビジョンシステムについて述べる。
深層学習モデルは自己指導型コントラスト学習によって訓練され, 関連する放射線学報告の生テキストからシネケンス心磁図の視覚的概念を学習する。
本研究の深層学習システムは,人間の心血管疾患の停滞する複雑さを理解できるだけでなく,典型的にはこれらの課題に必要とされるトレーニングデータのごく一部を応用した,目覚しい臨床段階の診断精度をもたらす臨床上の問題に向けることができることを示す。
論文 参考訳（メタデータ） (2023-12-01T05:27:29Z) - Multi-scale Cross-restoration Framework for Electrocardiogram Anomaly
Detection [33.48389041651675]
心電図(Electrocardiogram、ECG)は、心疾患の診断に広く用いられるツールである。
希少な心疾患は、トレーニングデータセットがすべての心疾患を排出できないことを考慮して、従来の心電図解析を用いて診断されることがある。
本稿では、異常検出を用いて不健康状態を特定し、通常の心電図をトレーニング用として用いることを提案する。
論文 参考訳（メタデータ） (2023-08-03T09:16:57Z) - 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) - A Robust Interpretable Deep Learning Classifier for Heart Anomaly
Detection Without Segmentation [37.70077538403524]
心音分類の先行段階として, 心音分節の重要性を論じる。
次に,心臓の異常音検出のための頑健な分類器を提案する。
我々の新しい分類器はまた、広く使われているPhyloNetデータセットでほぼ100%の精度で、堅牢で安定しており、最も重要な説明が可能であることも示されています。
論文 参考訳（メタデータ） (2020-05-21T06:36:28Z)
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。