論文の概要: Automated anatomy-based post-processing reduces false positives and improved interpretability of deep learning intracranial aneurysm detection

• arxiv url: http://arxiv.org/abs/2507.00832v1
• Date: Tue, 01 Jul 2025 15:03:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.682934
• Title: Automated anatomy-based post-processing reduces false positives and improved interpretability of deep learning intracranial aneurysm detection
• Title（参考訳）: 解剖学的自動後処理は、偽陽性を減少させ、深部学習頭蓋内大動脈瘤検出の解釈性を改善する
• Authors: Jisoo Kim, Chu-Hsuan Lin, Alberto Ceballos-Arroyo, Ping Liu, Huaizu Jiang, Shrikanth Yadav, Qi Wan, Lei Qin, Geoffrey S Young,
• Abstract要約: 偽陽性率の低減を目的として, 解剖学的手法によるハイブリッド人工血管分割法を応用した。 CPM-Net FPを70.6%(89/126)、3D-CNN-TR FPを51.6%(92)削減した。
• 参考スコア（独自算出の注目度）: 10.21981292321539
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Introduction: Deep learning (DL) models can help detect intracranial aneurysms on CTA, but high false positive (FP) rates remain a barrier to clinical translation, despite improvement in model architectures and strategies like detection threshold tuning. We employed an automated, anatomy-based, heuristic-learning hybrid artery-vein segmentation post-processing method to further reduce FPs. Methods: Two DL models, CPM-Net and a deformable 3D convolutional neural network-transformer hybrid (3D-CNN-TR), were trained with 1,186 open-source CTAs (1,373 annotated aneurysms), and evaluated with 143 held-out private CTAs (218 annotated aneurysms). Brain, artery, vein, and cavernous venous sinus (CVS) segmentation masks were applied to remove possible FPs in the DL outputs that overlapped with: (1) brain mask; (2) vein mask; (3) vein more than artery masks; (4) brain plus vein mask; (5) brain plus vein more than artery masks. Results: CPM-Net yielded 139 true-positives (TP); 79 false-negative (FN); 126 FP. 3D-CNN-TR yielded 179 TP; 39 FN; 182 FP. FPs were commonly extracranial (CPM-Net 27.3%; 3D-CNN-TR 42.3%), venous (CPM-Net 56.3%; 3D-CNN-TR 29.1%), arterial (CPM-Net 11.9%; 3D-CNN-TR 53.3%), and non-vascular (CPM-Net 25.4%; 3D-CNN-TR 9.3%) structures. Method 5 performed best, reducing CPM-Net FP by 70.6% (89/126) and 3D-CNN-TR FP by 51.6% (94/182), without reducing TP, lowering the FP/case rate from 0.88 to 0.26 for CPM-NET, and from 1.27 to 0.62 for the 3D-CNN-TR. Conclusion: Anatomy-based, interpretable post-processing can improve DL-based aneurysm detection model performance. More broadly, automated, domain-informed, hybrid heuristic-learning processing holds promise for improving the performance and clinical acceptance of aneurysm detection models.
• Abstract（参考訳）: 導入: ディープラーニング(DL)モデルは、CTAの頭蓋内動脈瘤を検出するのに役立つが、モデルアーキテクチャの改善やしきい値調整のような戦略にもかかわらず、高い偽陽性(FP)率は、臨床翻訳の障壁である。 我々は,FPのさらなる削減を目的として,自動的,解剖学的に基づく,ヒューリスティック学習型ハイブリッド動脈-静脈分画ポストプロセッシング法を採用した。 方法: CPM-Netと変形可能な3D畳み込みニューラルネットワーク-トランスフォーマーハイブリッド(3D-CNN-TR)の2つのDLモデルは,1,186個のオープンソースCTA(1,373個の注釈付き大動脈瘤)で訓練し,143個の保持型プライベートCTA(218個の注釈付き大動脈瘤)で評価した。 脳,動脈,静脈,静脈のセグメンテーションマスクを用いて,(1)脳マスク,(2)静脈マスク,(3)血管マスク,(4)脳+静脈マスク,(5)脳+静脈マスクと重なり合うDL出力のFPを除去した。 結果: CPM-Netは真陽性139例, 偽陰性79例, FP126例であった。 3D-CNN-TRは179 TP,39 FN,182 FPを得た。 FPは概して頭蓋外(CPM-Net 27.3%、3D-CNN-TR 42.3%)、静脈(CPM-Net 56.3%、3D-CNN-TR 29.1%)、動脈(CPM-Net 11.9%、3D-CNN-TR 53.3%)、非血管(CPM-Net 25.4%、3D-CNN-TR 9.3%)であった。 方法5では、CPM-Net FPを70.6%(89/126)、3D-CNN-TR FPを51.6%(94/182)減らし、TPを減らさずにFP/CPM-NETを0.88から0.26に減らし、3D-CNN-TRを1.27から0.62に減らした。 結論: 解剖学的に解釈可能な後処理は, DLに基づく動脈瘤検出モデルの性能を向上させることができる。 より広範に、自動化されたドメインインフォームドなハイブリッドヒューリスティック学習処理は、大動脈瘤検出モデルの性能と臨床受け入れを改善することを約束する。

関連論文リスト

• A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on Whole-Body Diffusion-Weighted MRI (WB-DWI) [0.0]
  全体拡散強調MRI(WB-DWI)のADC値とTotal Diffusion Volume(TDV)が癌画像バイオマーカーとして認識されている。 最初のステップとして, 骨格, 隣接する内臓器(肝, 脾臓, 膀胱, 腎臓) および脊髄の高速かつ再現可能な確率マップを生成するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-26T17:03:46Z)
• Enhancing mTBI Diagnosis with Residual Triplet Convolutional Neural Network Using 3D CT [1.0621519762024807]
  3D Computed Tomography (CT) 画像を用いた mTBI 診断の革新的手法を提案する。 我々は,mTBI症例と健常症例を識別するために,Residual Triplet Convolutional Neural Network (RTCNN)モデルを提案する。 我々のRTCNNモデルはmTBI診断において有望な性能を示し、平均精度は94.3%、感度は94.1%、特異性は95.2%である。
  論文  参考訳（メタデータ） (2023-11-23T20:41:46Z)
• Automated Precision Localization of Peripherally Inserted Central Catheter Tip through Model-Agnostic Multi-Stage Networks [3.5255361096618523]
  末梢挿入型中心カテーテル(PICC)は,感染率の低い長期血管内アクセスにより,CVCの代表的中心静脈の1つとして広く用いられている。 PICCの致命的な欠点は、先端の誤植の頻度が高く、穿刺、塞栓、心不整脈などの合併症のリスクが高まることである。 最新のディープラーニング(DL)技術を使って、それを自動的かつ正確に検出することで、様々な試みがなされている。 本研究の目的は,既存のモデルに適用可能なシステムを開発し,PICCラインをより正確に復元することである。
  論文  参考訳（メタデータ） (2022-06-14T10:26:47Z)
• 3D Structural Analysis of the Optic Nerve Head to Robustly Discriminate Between Papilledema and Optic Disc Drusen [44.754910718620295]
  我々は3次元光コヒーレンストモグラフィー(OCT)スキャンで視神経頭部(ONH)の組織構造を同定する深層学習アルゴリズムを開発した。 1: ODD, 2: papilledema, 3: healthy) の分類を150 OCTボリュームで行うように設計した。 われわれのAIアプローチは,1本のCTスキャンを用いて,パピレデマからODDを正確に識別する。
  論文  参考訳（メタデータ） (2021-12-18T17:05:53Z)
• Automated Pulmonary Embolism Detection from CTPA Images Using an End-to-End Convolutional Neural Network [31.58557856188164]
  本研究では,肺塞栓症(PE)検出のための終末から終末までトレーニング可能な畳み込みニューラルネットワーク(CNN)を提案する。 本システムでは,0mm,2mm,5mmで1体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
  論文  参考訳（メタデータ） (2021-11-10T03:01:55Z)
• A self-supervised learning strategy for postoperative brain cavity segmentation simulating resections [46.414990784180546]
  畳み込みニューラルネットワーク(CNN)は最先端の画像セグメンテーション技術である。 CNNはトレーニングに大量の注釈付きデータセットを必要とする。 自己教師型学習戦略は、トレーニングにラベルのないデータを活用することができる。
  論文  参考訳（メタデータ） (2021-05-24T12:27:06Z)
• Deep Implicit Statistical Shape Models for 3D Medical Image Delineation [47.78425002879612]
  解剖学的構造の3次元デライン化は、医用画像解析の基本的な目標である。 ディープラーニング以前は、解剖学的制約を課し高品質の表面を作り出す統計的形状モデルはコア技術だった。 我々は,CNNの表現力とSSMの頑健さを合体させるデライン化の新しい手法であるディープ暗黙的統計的形状モデル(DISSMs)を提案する。
  論文  参考訳（メタデータ） (2021-04-07T01:15:06Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)
• COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
  新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。 我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T08:30:46Z)
• Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
  我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。 前立腺切除術による脱線をMRIでトレーニングした。 前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
  論文  参考訳（メタデータ） (2020-10-28T21:07:09Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。