論文の概要: UltraEar: a multicentric, large-scale database combining ultra-high-resolution computed tomography and clinical data for ear diseases
- arxiv url: http://arxiv.org/abs/2508.20141v1
- Date: Wed, 27 Aug 2025 05:56:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-29 18:12:01.607728
- Title: UltraEar: a multicentric, large-scale database combining ultra-high-resolution computed tomography and clinical data for ear diseases
- Title（参考訳）: UltraEar:超高分解能CTと耳疾患の臨床データを組み合わせた多心大規模データベース
- Authors: Ruowei Tang, Pengfei Zhao, Xiaoguang Li, Ning Xu, Yue Cheng, Mengshi Zhang, Zhixiang Wang, Zhengyu Zhang, Hongxia Yin, Heyu Ding, Shusheng Gong, Yuhe Liu, Zhenchang Wang,
- Abstract要約: UltraEarは2020年10月から2035年10月までに11の病院から患者を募集している。
UltraEarは2020年10月から2035年10月までに11の病院から患者を募集している。
耳下腺炎,角膜腫,骨鎖奇形,側頭骨骨折,内耳奇形,人工内耳狭窄,拡張前庭水管,シグモイド洞骨欠損など,眼科疾患の幅広いスペクトルが報告されている。
- 参考スコア（独自算出の注目度）: 28.75872046719716
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Ear diseases affect billions of people worldwide, leading to substantial health and socioeconomic burdens. Computed tomography (CT) plays a pivotal role in accurate diagnosis, treatment planning, and outcome evaluation. The objective of this study is to present the establishment and design of UltraEar Database, a large-scale, multicentric repository of isotropic 0.1 mm ultra-high-resolution CT (U-HRCT) images and associated clinical data dedicated to ear diseases. UltraEar recruits patients from 11 tertiary hospitals between October 2020 and October 2035, integrating U-HRCT images, structured CT reports, and comprehensive clinical information, including demographics, audiometric profiles, surgical records, and pathological findings. A broad spectrum of otologic disorders is covered, such as otitis media, cholesteatoma, ossicular chain malformation, temporal bone fracture, inner ear malformation, cochlear aperture stenosis, enlarged vestibular aqueduct, and sigmoid sinus bony deficiency. Standardized preprocessing pipelines have been developed for geometric calibration, image annotation, and multi-structure segmentation. All personal identifiers in DICOM headers and metadata are removed or anonymized to ensure compliance with data privacy regulation. Data collection and curation are coordinated through monthly expert panel meetings, with secure storage on an offline cloud system. UltraEar provides an unprecedented ultra-high-resolution reference atlas with both technical fidelity and clinical relevance. This resource has significant potential to advance radiological research, enable development and validation of AI algorithms, serve as an educational tool for training in otologic imaging, and support multi-institutional collaborative studies. UltraEar will be continuously updated and expanded, ensuring long-term accessibility and usability for the global otologic research community.
- Abstract（参考訳）: 耳の病気は世界中の何十億もの人々に影響を与え、かなりの健康と社会経済的負担をもたらす。
CTは, 正確な診断, 治療計画, 成績評価において重要な役割を担っている。
本研究の目的は,等方性0.1mm超高分解能CT(U-HRCT)画像の大規模多中心リポジトリであるUltraEar Databaseの確立と設計,および耳疾患専用の臨床データを提供することである。
UltraEarは2020年10月から2035年10月までに11の病院から患者を募集し、U-HRCT画像、構造化CTレポート、および人口統計、オーディオメトリックプロファイル、手術記録、病理所見を含む総合的な臨床情報を統合する。
耳鼻咽喉科疾患は, 耳炎, 胆石症, 骨鎖奇形, 側頭骨骨折, 内耳奇形, 側頭動脈狭窄症, 拡張前庭水管, シグモイド洞骨欠損など幅広い範囲に分布する。
幾何キャリブレーション、画像アノテーション、マルチ構造セグメンテーションのために標準化された前処理パイプラインが開発された。
DICOMヘッダとメタデータのすべての個人識別子は、データプライバシ規制の遵守を保証するために削除または匿名化される。
データ収集とキュレーションは、毎月のエキスパートパネルミーティングを通じて調整され、オフラインのクラウドシステムにセキュアなストレージが提供される。
UltraEarは、技術的忠実度と臨床的関連性の両方を兼ね備えた、前例のない超高解像度基準アトラスを提供する。
このリソースは、放射線学の研究を進め、AIアルゴリズムの開発と検証を可能にし、オクトグラフィー画像の訓練のための教育ツールとして機能し、多施設共同研究を支援するための大きな可能性を秘めている。
UltraEarは継続的に更新され、拡張され、世界の耳科研究コミュニティの長期的なアクセシビリティとユーザビリティが保証される。
関連論文リスト
- A Multi-Site Study on AI-Driven Pathology Detection and Osteoarthritis Grading from Knee X-Ray [0.0]
変形性関節症や変形性膝関節症のような骨の健康障害は、世界的な健康問題を引き起こす。
本研究では, 膝X線を解析し, 重要な病態を検出するAIシステムを提案する。
また、変形性関節症の重症度も評価し、タイムリーにパーソナライズされた治療を可能にしている。
論文 参考訳（メタデータ） (2025-03-28T06:41:22Z) - Advancing Chronic Tuberculosis Diagnostics Using Vision-Language Models: A Multi modal Framework for Precision Analysis [0.0]
本研究では,自動結核検診(TB)を強化するビジョン・ランゲージ・モデル(VLM)を提案する。
胸部X線画像と臨床データを統合することにより,手動による解釈の課題に対処する。
このモデルでは、重要な慢性TBの病態を検出するための高精度(44%)とリコール(44%)が示された。
論文 参考訳（メタデータ） (2025-03-17T13:49:29Z) - Bridging the Diagnostic Divide: Classical Computer Vision and Advanced AI methods for distinguishing ITB and CD through CTE Scans [2.900410045439515]
放射線医の間では, 内皮-皮下脂肪比は, ITBとCDの鑑別における代用バイオマーカーとして認識されている。
本稿では,この比率計算を自動化するために,皮下脂肪の自動分離のための新しい2次元画像コンピュータビジョンアルゴリズムを提案する。
ITB, CD, 正常患者のサンプルを用いて, CTEスキャンのデータセットを用いてResNet10モデルを訓練し, 75%の精度を得た。
論文 参考訳（メタデータ） (2024-10-23T17:05:27Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳（メタデータ） (2023-11-18T14:52:26Z) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-08T17:23:17Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - From Isolation to Collaboration: Federated Class-Heterogeneous Learning for Chest X-Ray Classification [4.0907576027258985]
フェデレートラーニングは,グローバル胸部X線分類モデル(CXR)を協調的にトレーニングするための,有望なパラダイムである。
本研究では,選択的アグリゲーションを用いてグローバルモデルの協調学習を行うFL法である外科的アグリゲーションを提案する。
その結果,本手法は現在の手法よりも優れ,一般化性が高いことがわかった。
論文 参考訳（メタデータ） (2023-01-17T03:53:29Z) - Multi-confound regression adversarial network for deep learning-based
diagnosis on highly heterogenous clinical data [1.2891210250935143]
我々は、高度に異種な臨床データに基づいてディープラーニングモデルを訓練するための新しいディープラーニングアーキテクチャ、MUCRANを開発した。
われわれは、2019年以前にマサチューセッツ総合病院から収集した16,821個の臨床T1軸性脳MRIを用いてMUCRANを訓練した。
このモデルでは,新たに収集したデータに対して90%以上の精度で頑健な性能を示した。
論文 参考訳（メタデータ） (2022-05-05T18:39:09Z)
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。